手把手教你入门—YOLOv5的测试与部署

---

选择的平台：极链云AI

优势特点：价格优惠，按小时计费；服务器类型多样，选择多；

在这里贴一个极链云AI的官网：https://cloud.videojj.com

---

yolov5的项目部署

项目地址：点击跳转项目地址

首先来看一下官方的项目环境配置要求：
前提条件：
Python>=3.6.0 且 PyTorch>=1.7；
项目运行所需要的包及版本：

在租用符合前提条件的机器后，进行项目环境配置。

# cd /...	 # 可省略，cd到自己想安装的目录
git clone https://github.com/ultralytics/yolov5 # 从官网clone整个项目文件
cd yolov5 # clone项目文件夹成功后cd到yolov5目录
pip install -r requirements.txt # pip安装requirements

安装完成后可以通过命令检查文件夹目录，与官方yolov5项目文件夹构造保持一致。

---

进行推理 Detect

本项目使用detect.py文件进行推理

python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/*.jpg  # glob
                            'https://youtu.be/NUsoVlDFqZg'  # 仅支持YouTube video
                            'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

tips：可以通过上传自己的图片/视频的方式推理。

detect.py具体使用方法：

使用该命令可以查看更多参数的使用

python detect.py -h

具体方法：

--weights ：预训练模型.pt的路径，默认值为：weights/yolov5s.pt
--source：输入的数据源，可以是：图片、目录、视频、网络摄像头、http和rtsp流，默认值为：interence/images
--output： 输出检测结果的路径，默认值为：inference/output
--img-size ：用于推理图片的大小（pixels），默认值为：640
--conf-thres：对象的置信度阈值（object confidence threshold），默认值为：0.4
--iou-thres ：NMS的IOU阈值（ IOU threshold for NMS），默认值为：0.5
--fourcc：输出视频的编码格式（必须是ffmepeg支持的），例如：H264格式，默认格式为：mp4v
--half： 使用版精度F16推理（half precision FP16 inference），布尔值，默认为true
--device：cuda设备，例如：0或0,1,2,3或cpu，默认''
--view-img ：显示结果，‘布尔值，默认为true’
--save-txt ：把结果保存到*.txt文件中
--classes：过滤类别 CLASSES [CLASSES …]，filter by class
--agnostic-nms：类不可知 NMS
--augment：增强推理（augmented inference）

使用示例：

python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/

解释：使用权重文件为yolov5s.pt的模型，推理图片为640(pixels)，最小置信度为0.25，使用data/images文件夹下的文件作为处理图片(默认保存到yolov5/runs/detect/exp文件夹下)

关于yolov5不同权重文件的选择

使用技巧：

• v5s权重文件数据最少，下载快，网络运行快，准确率可能较其他权重文件低
• v5x权重文件数据最大，下载慢，网络运行较慢，准确度高

tips：按使用情况自己衡量。

相关图片摘自yolov5_github官网。

---

---

---

部分推理结果

项目自带image文件：

顺手找的网图：

---

结论

可以看出这样的使用方法是非常简单便捷的，在一段时间使用下来识别的精准度高而且速度快，还不快来试试！