YOLOv5学习实战
@你若安好
这个作者很懒,什么都没留下…
展开
-
YOLOv5学习实战四:基于Matplotlib用于论文结果分析的result.csv文件可视化
import csvfrom matplotlib import pyplot as pltimport numpy as np#将文件名存储在filename中filename='/home/use4test/yl/yolov5/runs/train/exp48/results.csv'#将文件名存储在filename中with open(filename) as f: #创建阅读器(调用csv.reader()将前面存储的文件对象最为实参传给它) reader=cs原创 2022-03-05 19:57:05 · 4315 阅读 · 2 评论 -
YOLOv5学习实战三:训练集划分
# 将图片和标注数据按比例切分为 训练集和测试集import shutilimport randomimport os# 原始路径,需要修改image_original_path = '/home/use4test/yl/PCB_DATASET/images/Missing_hole_z/'label_original_path = '/home/use4test/yl/PCB_DATASET/Annotations/Missing_hole_z/'# 训练集路径,需要修改train_im原创 2022-02-28 10:49:28 · 741 阅读 · 0 评论 -
YOLOv5学习实战二:XML文件转化为TXT文件并且归一化用于yolov5训练 python代码
from pathlib import Pathimport ostry: import xml.etree.cElementTree as ETexcept ImportError: import xml.etree.ElementTree as ETimport syspath = Path('/home/use4test/yl/PCB_DATASET/Annotations/Missing_hole_z')#xml文件所在的文件夹路径file_list=[]for files原创 2022-02-25 22:02:17 · 1477 阅读 · 0 评论 -
YOLOv5学习实战一:yolov5深度学习项目实现
前提:先运行coco128示例文件(会自动加载数据集),只需要提前下载权重文 件yolov5s.pt或者其他权重文件放在yolov5文件里即可,然后在coco128基础上更改训练图像放置位置双击datasets双击coco128双击images双击train2017进入放置训练图像2.训练图像yolo标签放置位置双击datasets双击coco128双击labels双击train2017进入放置标签文件3.修改coco128.yaml文件双击yolov5原创 2022-02-22 22:26:52 · 2576 阅读 · 0 评论