YOLOv5入门实践（5）——从零开始，手把手教你训练自己的目标检测模型（包含pyqt5界面）

已于 2023-05-17 18:39:36 修改
阅读量8.6k 收藏 84
点赞数 34
分类专栏： YOLOv5入门＋实践＋改进 文章标签： 目标检测 计算机视觉 YOLO 人工智能 深度学习
于 2023-04-09 22:23:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43334693/article/details/130044342
版权

 

前言

通过前几篇文章，相信大家已经学会训练自己的数据集了。本篇是YOLOv5入门实践系列的最后一篇，也是一篇总结，我们再来一起按着配置环境-->标注数据集-->划分数据集-->训练模型-->测试模型-->推理模型的步骤，从零开始，一起实现自己的目标检测模型吧！

前期回顾：

YOLOv5入门实践（1）——手把手带你环

了解本专栏 订阅专栏 解锁全文 超级会员免费看
路人贾'ω'
关注
  • 34
    点赞
  • 踩
  • 84
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 54
    评论
专栏目录
订阅专栏
YOLOv5行人跌倒检测+训练好的模型+pyqt界面+数据集
05-29
1、yolov5行人摔倒检测，包含yolov5s和yolov5m两种训练好的行人摔倒检测权重，以及PR曲线，loss曲线等等，在一千多张行人摔倒检测数据集中训练得到的权重，有pyqt界面，目标类别为fall 共1个类别，并附1000多张行人摔倒检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码
YOLOv5电塔绝缘子检测+训练好的模型+pyqt界面+1000数据集
06-09
1、yolov5电塔绝缘子检测，包含yolov5s和yolov5m两种训练好的电塔绝缘子检测权重，以及PR曲线，loss曲线等等，在一千张电塔绝缘子检测数据集中训练得到的权重，有pyqt界面，目标类别为Insulator共1个类别，并附1000张电塔绝缘子检测数据集，标签格式为voc和yolo两种格式，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码
YOLOv5训练飞机检测模型+权重+数据集+pyqt界面
03-09
1、YOLOv5训练飞机检测模型，并包含标注好的飞机检测数据集，标签格式为xml和txt两种，类别名为aeroplane， 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、有QT界面 4、qt界面可以 检测图片、视频和调用摄像头，有相应的选择项 5、采用pytrch框架，代码是python的
好文转载：基于深度学习的水果检测与识别系统（Python界面版，YOLOv5实现）
AI_data_cloud的博客
05-03 2241
本博文介绍了一种基于深度学习的水果检测与识别系统，使用YOLOv5算法对常见水果进行检测和识别，实现对图片、视频和实时视频中的水果进行准确识别。博文详细阐述了算法原理，同时提供Python实现代码、训练数据集，以及基于PyQt的UI界面。通过YOLOv5实现对图像中存在的多个水果目标进行识别分类，用户可以在界面中选择各种水果图片、视频进行检测识别。本文旨在为相关领域的研究人员和新入门的朋友提供一个参考
YOLOv5超详细的入门级教程（训练篇）（一）——训练自制数据集（识别鱼类）
热门推荐
“知识最大的敌人不是无知，而是错觉”
02-23 3万+
Pytorch-YOLOv5数据集标注数据集制作修改配置文件References 这两天一直致力于利用YOLOv3的Pytorch版本进行模型的训练，奈何他的版本更新的太快，找了半天的cfg配置文件发现在最新版本里已经升级了。于是不断在YOLOv3和YOLOv5之间辗转。 决定从最简单的东西入手，一步一步来理解模型是怎样训练出来的，并且如何达到满意的效果。 数据集标注 选择了一个检测鱼类的数据集，想要尝试自己去制作一个数据集。 网站链接：Labeled Fishes in the Wild 选择
超详细！手把手教你从零开始训练yolov5模型
limingmin2020的博客
03-28 1万+
作者：抛到海里编辑：3D视觉开发者社区本文将从yolov5的下载安装开始，详细介绍从环境搭建到素材整理以及最后训练出目标图片模型的整个过程。以下为本文目录：一、anconda环境搭建二、yolov5下载安装三、素材整理四、模型训练。
从0开始深度学习第一步，如何让 YOLOv5 起飞：配置环境并成功运行目标检测
qq_44016488的博客
03-18 1240
安装 Anaconda 创建 conda 虚拟环境并激活； 安装 PyTorch； 克隆 YOLOv5 代码库； 安装依赖项； 运行 YOLOv5。
如何从0开始训练自己的数据集（YOLOv5）（一）
m0_75166003的博客
07-21 266
我使用YOLOv5做西红柿的识别，虽然权重很低，但是我只用了40张照片，以后调大自己的训练量就可以了，我只是测试一下YOLO是否可以跑通这个步骤，以后再根据实际的情况去跑不同的模型即可。
从0开始使用yolov5
weixin_44412804的博客
04-06 181
然后根据自己的电脑的配置去选择驱动。这里Notebooks是笔记本的意思，所以如果你是笔记本电脑，那么产品系列那个选项就要选择（Notebooks）的。然后点击下载来的程序，不断的下一步就好了。得到如下图的信息图，可以看到驱动的版本是462.30；得到显卡的最高支持的CUDA版本，我们就可以根据这个信息来安装环境了。首先查看电脑的显卡版本，步骤为：此电脑右击-->管理-->设备管理器-->显示适配器。再得知以上的信息以后我们就可以对应我们的显卡去英伟达官网上去找相对应的显卡驱动更新或者下载了。
从零开始yolov5模型训练【绝对能学会】
qq_53968319的博客
08-04 439
地址：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/(复制该条语句，一般只复制"pip3"后面的内容，在anaconda prompt里面输入pip)地址：（https://github.com/ultralytics/yolov5）（粘贴会吗，在pytorch复制了之后，只需点一下鼠标右键就行）（安装过程中会出现很多警告，可以不管也可以管，管的话见文章。(如果不配置，后续安装某些包的时候可能会灰常慢~)（这是一个非常干净的环境，基本上啥都没有哈哈）
yolov5俯视视角下舰船目标检测+训练好的舰船目标检测模型+舰船目标检测数据集+pyqt界面
最新发布
01-21
1、yolov5俯视视角下舰船目标检测+训练好的舰船目标检测模型+舰船目标检测数据集；遥感舰船检测，无人机视角舰船检测 2、并包含舰船目标检测数据集，标签格式txt，配置好环境后可以直接使用 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码 5、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项
手把手教你构建数据集.docx
12-16
手把手教你构建数据集.docx
YOLOv5火焰烟雾检测+训练好的模型+数据集+pyqt界面.zip
06-22
YOLOv5火焰烟雾检测+训练好的模型+数据集+pyqt界面，可直接进行推理测试。 1、项目是训练过的，可直接进行推力测试。 2、项目包含烟雾和火焰的数据集，已标记好！ 3、如果想想重新训练也可以。 4、可以直接用训练好的权重pt文件进行推力测试，测试视频和图片都可以，很好用。 5、价格绝对是优惠价，可以放心下载 YOLOv5训练好的火焰烟雾检测模型，包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个训练好的模型，并包含标注好的火焰和烟雾数据集，标签格式为xml和txt两种 有QT界面 采用pytrch框架，代码是python的 YOLOv5训练好的火焰烟雾检测 pyqt界面 yolov5界面
YOLOv5交通标志物检测+训练好的模型+pyqt界面+5000数据集
06-28
1、yolov5交通指示牌检测，包含训练好的交通指示牌检测权重，以及PR曲线，loss曲线等等，在5000多交通标志检测据集中训练得到的权重，有pyqt界面，目标类别类别名为warn_sign、ban_sign、guide_sign、wayfinding_sign共4个类别；并附道路交通标志检测数据集，标签格式为txt和xml两种，分别保存在两个文件夹中 2、pyqt界面可以检测图片、视频、调用摄像头 3、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 4、采用pytrch框架，python代码
yolov5汽车检测代码+训练好的car模型+pyqt界面+1000KITTI汽车检测数据集
05-22
1、yolov5训练好的汽车检测模型，包含yolov5s和yolov5m两种训练好的汽车识别权重，从自动驾驶场景KITTI汽车检测数据集训练得到，有pyqt界面 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应的选择项 3、自动...
YOLOv5飞鸟检测代码+pyqt界面+训练好的飞鸟检测检测模型+标注好的飞鸟数据集
05-09
1、YOLOV5训练好的飞鸟检测模型+pyqt界面，包括YOLOv5s-bird.pt和YOLOv5m-bird.pt两个训练好的模型，并包含近1000张标注好的鸟类数据集，标签格式为xml和txt两种，类别名为bird， 2、数据集和检测结果参考：...
yolov5猫狗检测代码+训练好的猫狗检测模型+pyqt界面+一万猫狗检测数据集
05-22
1、yolov5训练好的猫狗检测模型，包含yolov5s和yolov5m两种训练好的猫狗识别权重，从一万多张猫狗检测数据集训练得到，有pyqt界面，目标类别为cat和dog两个类别 2、pyqt界面可以 检测图片、视频和调用摄像头，有相应...
YOLOv5火焰烟雾检测+训练好的模型+数据集+pyqt界面
05-07
1、YOLOv5训练好的火焰烟雾检测模型，包括yolov5s-fire_smoke.pt和yolov5m-fire_smoke.pt两个训练好的模型，并包含几百张标注好的火焰和烟雾数据集，标签格式为xml和txt两种，类别名为fire和smoke， 2、数据集和检测...
基于pyqt的YOLOv5目标训练和检测界面实现（含图片爬虫下载、数据集标注、数据一键配置、训练、图片、视频和摄像头实时检测）
yzf060109的专栏
12-03 6016
近期学习目标检测很火的YOLOv5框架，将源码进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；检测部分，从检测参数设置（支持实时设置置信度和IOU等）、数据选择（支持图片、视频和多种摄像头）到结果显示。全部实现界面开发和多线程调度处理。下面，重点从开发环境配置、目标的训练、目标的检测、程序发布4个方面进行分享，不对的地方关注、私聊，源码放在这里，大家可以下载。
手把手教你搭建属于自己的pyqt5-yolov5目标检测平台(保姆级教程)
05-31
感谢您的提问！以下是手把手教您搭建属于自己的PyQt5-YOLOv5目标检测平台的保姆级教程： 1. 安装Anaconda 首先，您需要下载并安装Anaconda，Anaconda是一个 Python 数据科学平台，包含了许多常用的数据科学包，如Numpy、Pandas等。 2. 创建一个虚拟环境 在安装了Anaconda之后，您需要创建一个虚拟环境，以便隔离开发环境和系统环境。您可以在命令行中输入以下命令来创建一个名为yolov5的虚拟环境： ``` conda create -n yolov5 python=3.8 ``` 其中，“yolov5”是您的虚拟环境的名称，您可以根据自己的需要进行更改。 3. 激活虚拟环境 创建完虚拟环境之后，您需要激活它，以便在环境中进行开发。在命令行中输入以下命令来激活yolov5环境： ``` conda activate yolov5 ``` 4. 安装PyQt5和YOLOv5 在激活了虚拟环境之后，您需要安装PyQt5和YOLOv5。您可以在命令行中输入以下命令来安装它们： ``` pip install PyQt5 pip install yolov5 ``` 5. 创建PyQt5界面 在安装了PyQt5之后，您可以使用Qt Designer创建一个PyQt5界面。Qt Designer是一个可视化的界面设计工具，可以让您轻松地创建PyQt5界面。 6. 使用YOLOv5进行目标检测 在安装了YOLOv5之后，您可以使用它进行目标检测。您可以在Python脚本中使用以下代码： ```python import torch from yolov5.models.experimental import attempt_load from yolov5.utils.torch_utils import select_device device = select_device('cpu') model = attempt_load('yolov5s.pt', map_location=device) img = torch.zeros((1, 3, 640, 640), device=device) pred = model(img) print(pred) ``` 其中，“yolov5s.pt”是YOLOv5的预训练模型，您可以在YOLOv5的GitHub页面上下载它。 7. 将PyQt5界面与YOLOv5集成 最后，您需要将PyQt5界面与YOLOv5集成起来，以便您可以在界面上使用YOLOv5进行目标检测。您可以在Python脚本中使用以下代码： ```python import sys from PyQt5.QtWidgets import QApplication, QMainWindow from PyQt5.QtGui import QPixmap from yolov5.models.experimental import attempt_load from yolov5.utils.torch_utils import select_device class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle('PyQt5-YOLOv5目标检测平台') self.setGeometry(100, 100, 800, 600) self.label = QLabel(self) self.label.setGeometry(50, 50, 640, 480) self.show() if __name__ == '__main__': app = QApplication(sys.argv) window = MainWindow() sys.exit(app.exec_()) ``` 这段代码创建了一个名为“PyQt5-YOLOv5目标检测平台”的窗口，并在窗口上添加了一个标签。您可以使用这个标签来显示检测到的目标。 以上就是手把手教您搭建属于自己的PyQt5-YOLOv5目标检测平台的保姆级教程。希望对您有所帮助！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 54
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

路人贾'ω'

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值