YOLOV5无人机视觉小目标检测

最新推荐文章于 2024-10-09 11:00:25 发布

AlyssaZyt

最新推荐文章于 2024-10-09 11:00:25 发布

阅读量1k

点赞数 4

文章标签： YOLO 目标检测目标跟踪

本文链接：https://blog.csdn.net/weixin_41958107/article/details/136565144

版权

本文详细介绍了如何使用VisDrone2019数据集训练yolov5目标检测模型，包括数据集下载、标签转换、模型创建、训练过程以及模型推理的步骤。通过教程，读者可以了解如何定制和优化无人机视觉检测项目。

摘要由CSDN通过智能技术生成

一、模型训练

VisDrone2019是常用的无人机视觉目标检测的数据集。

建议提前下载目标检测需要的标签字体。

保存地址通常为配置文件常用的地址：/home/tom/.config/Ultralytics/Arial.ttf

用如下命令来复制项目的源码：

git clone https://github.com/ultralytics/yolov5 # clone
cd yolov5
pip install -r requirements.txt # install

VisDrone数据集中包含解释图像中目标对象的annotations文件。但是，在进行模型的训练、测试和推理时，需要将annotations文件转换成适合目标检测的labels文件，即标签文件。文件的格式是txt文件，规格为：

（1）每个对象排成一行；

（2）每一行是 class x_center y_center width height 格式；

（3）图像坐标必须处理成归一化 xywh 格式（从 0 到 1）；

（4）类的标签以 0 为索引（从 0 开始）。

图像和它对应的标签文件分别如下图所示：

上述图像对应的标签文件包含 2 个人（类别 0）和领带（类别 27):

生成标签文件的源代码在数据集配置文件(data/VisDrone.yaml)中。

进入到yolov5/models/ 目录下，拷贝一个模型作为自己的模型，以yolov5s为例：

cp yolov5s.yaml yolov5s_visdrone.yaml

然后修改类别的数量，这里共有10个分类，把nc的参数改为10：

输入如下命令开始训练：

python train.py --data VisDrone.yaml --epochs 100 --weights '' --cfg yolov5s_visdrone.yaml --batch-size 16

经过2个多小时的训练，训练结果如下：

此处的数据并未经过切割、融合等处理，经过上述处理后，精度应该更高。

用detect.py文件来对图像进行推理：

python detect.py --weights #pt file after training --source #path to the image

原图和推理生成的图像如下所示：

关注