Win10平台训练Yolo-Fastest模型全流程

最新推荐文章于 2024-08-23 09:00:00 发布
最新推荐文章于 2024-08-23 09:00:00 发布
阅读量3k 收藏 47
点赞数 4
分类专栏： 深度学习 教程 Yolo 文章标签： 深度学习
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_46288017/article/details/115215400
版权
本文详细介绍了在Win10平台上训练Yolo-Fastest模型的全过程，包括环境准备、样本收集与标注、Yolo-Fastest源码编译、数据集配置以及模型训练和测试。重点讲解了使用LabelImg进行标注，CMake编译Darknet，以及训练和测试预训练模型的步骤。
摘要由CSDN通过智能技术生成

一、环境准备

  1. 安装vs2015
  2. 根据显卡驱动安装相应版本的CUDA和cuDNN
  3. 安装OpenCV 4.4.0
  4. 安装CMake
  5. 安装Anaconda

以上所有安装均可轻易找到大量教程，此处不再赘述。

二、搜集样本

运行这篇博客的Python脚本，可以快速搜集目标样本集，亲测可用：

https://blog.csdn.net/qq_40774175/article/details/81273198

三、标注样本

目标检测样本需要把待检测目标在图片中的位置和大小标注出来，采用LabelImg标注Yolo样本非常方便，下面介绍使用方法。

1.用pip安装LabelImg

安装Anaconda以后，在开始菜单打开Anaconda Prompt (Anaconda3)进入base环境，运行pip命令安装LabelImg：

pip install labelImg
2.启动LabelImg

安装好LabelImg之后，在命令行输入程序名回车即可启动：

LabelImg
3.设置样本类型

在LabelImg的界面中，左边“Save”按钮下方的按钮表示样本类型，点击即可切换，将其切换为“YOLO”即可。

4.设置路径

在LabelImg的界面中，点击左侧的“Open Dir”按钮，将目录设置为事先准备好的目标图片文件夹；

再点击左侧的“Change Save Dir”按钮,指定一个输出目录，用于保存每张图片的标注信息文件。

5.开始标注

  1. 设置好“Open Dir”后&

最低0.47元/天 解锁文章
定个小目标先
关注
专栏目录
Yolo-FastestV2 训练自己的数据集
weixin_44230615的博客
11-17 3227
根据原作者源码及说明实践后总结 操作环境 Ubuntu 18.02 +cuda 11.1 +pytorch 1.9.0 作者源码下载：https://github.com/dog-qiuqiu/Yolo-FastestV2 配置环境 新建： conda create -n yolov2 python=3.8 安装pytorch： conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia 下载源码：
YOLO-Fastest训练自己的数据
小俊俊的博客
04-17 6854
YOLO-Fastest训练自己的数据 继续yolo-fastest的学习，上一篇已经基本跑通了yolo-fastest，接下来开始训练，本次代码依旧是：https://github.com/dog-qiuqiu/Yolo-Fastest 吐槽一句，这个代码里面怎么啥都有，感觉好乱啊！刚开始看的时候一脸懵逼，反复确认才明白没下载错代码。 然后作者官方Readme只要简简单单的一两句话介绍训练，估计是要逼死小白！ 一、配置环境 1.win10 2.cuda10.2+cudnn 3.opencv451 4.v
YOLOv10超详细环境搭建以及模型训练（GPU版本）
最新发布
2401_85556416的博客
08-23 5716
右键点击【我的电脑】(此电脑)--【属性】--点击【高级系统设置】--【高级】--【环境变量】-找到系统变量下的【Path】--右侧点击【新建】，按照我标红框的进行添加即可。点击【File】-->【setting】-->【Project】-->【Python Interpreter】-->【Add Interpreter】-->【Add Local Interpreter】方法二：【鼠标右键桌面】--【显示更多选项】--【NVIDIA控制面板】--在控制面板的左下角点击【系统信息】--选择【组件】
深度学习-yolo-fastestV2使用自己的数据集训练自己的模型
qq_52095705的博客
12-20 6453
前言 虽然说yolo-fastestV2在coco数据集上只达到了24.1，但是应付一些类别少的问题还是可以的。主要是这个速度是真的香！简单来说就是一个快到飞起的模型。 1.关于yolo-fastestV2 github地址如下：yolo-fastestV2 yolo-fastestV2采用了轻量化网络shufflenetV2为backbone，笔者在这里就不详解yolo-fastestV2了，只讲怎么训练自己的yolo-fastestV2模型。 2.修改训练代码 训练部分的代码只修改了一小部分，如下： i
yolo-fastestv2 训练部署流程
我是索隆啊
11-19 8619
训练 1. 数据集准备 yolo fastest,darknet yolo3 相同,需要设置 .name, .data train.txt 格式: /home/qiuqiu/Desktop/dataset/train/000001.jpg label.txt 格式: 11 0.344192634561 0.611 0.416430594901 0.262 2. anchor聚类 结果保存在 anchors6.txt python genanchors.py --traintxt /media/ubun
YOLOFastestv2 训练自己的数据集---辛酸仨小时
小白不白
11-12 2174
注意自己创建号train和val文件夹，修改train和val文件的个数。然后得到一个txt文件，里面就是存放所有已转换的txt。第二步就是将文件分成train和test。可以提供代码、数据、以及我训练的权重。下不了的关注我公众号：猛男技术控，回复。然后修改data下的.data文件。train和val文件夹内的。这样就生成了下面这样的文件。我是训练的行人目标检测。
yolo-fastest-xl-based-on-opencv-DNN-using-onnx:yolo-fastest-xl基于基于onc的opencv DNN
03-30
yolo-fastest-xl基于基于onc的opencv DNN 设定档 Win10 VS2015 opencv4.5.1 介绍 基于opencv4.5.1的DNN模块实现yolo-fastest-xl的前向推理； 使用pytorch将模型导出为onnx格式，并使用DNN加载； 代码中加入多个详细...
YOLO-Fastest:YOLO_最快通过pytorch实现
04-19
在YOLO-Fastest中，可能使用了PyTorch的nn.Module定义YOLO模型，用autograd进行反向传播，还可能利用DataLoader处理数据预处理和批量训练。 4. **模型优化**：为了实现“最快”，该项目可能对YOLO的原始架构进行了...
用opencv的dnn模块实现Yolo-Fastest的目标检测python源码+模型+说明.zip
05-02
用opencv的dnn模块实现Yolo-Fastest的目标检测python源码+模型+说明.zip用opencv的dnn模块实现Yolo-Fastest的目标检测python源码+模型+说明.zip用opencv的dnn模块实现Yolo-Fastest的目标检测python源码+模型+说明....
YOLO-Fastest嵌入式部署开发环境配置流程1
08-08
### YOLO-Fastest嵌入式部署环境配置流程详解 #### 一、概述 YOLO-Fastest作为一款高效的目标检测模型，在嵌入式设备上的部署变得日益重要。其部署方式主要有两种：一是利用NCNN框架进行CPU推理；二是通过RK3399...
yolo-fastest模型
weixin_43096365的博客
02-07 2495
两个关于yolo-fastest的资料 https://github.com/dog-qiuqiu/Yolo-FastestV2/ https://github.com/dog-qiuqiu/Yolo-Fastest
yolo fastest V2数据集训练模型步骤
wukong168的博客
01-26 3868
1，收集数据集，train，val文件夹 2，labelimg标注数据集，yolo数据格式 3，运行train和val内jpg2listtxt.bat生成各自的list.txt 4，修改category.names,每个类一行 5，生成anchors锚点数据 python genanchors.py --traintxt train/list.txt 6，修改training.data内anchors和classes的类目数量 7，训练数据集 python train.py --data ./trainin
yolo fastest模型网络结构魔改
GeneralJing的专栏
03-23 1128
在将训练的yolo fastest模型部署移动端测试的时候，发现其中一个分支基本没有起作用，在训练的时候从日志也看出来了，打印的指标都是0，所以打算将网络的这个分支剥离掉。修改的方式就是将cfg文件中对应的分支去掉，只保留有用的那个分支。 虽然减少了一个分支，但是计算量并没有减少太多，在移动端提升大概1ms+。 ...
Yolo-FastestV2配置环境
weixin_44463279的博客
07-06 321
12
跑通YOLO-Fastest
小俊俊的博客
04-16 2355
YOLO-Fastest训练自己的数据 一、代码来源 https://github.com/dog-qiuqiu/Yolo-Fastest 二、环境配置 1.win0 2.cuda10.2+cudnn 3.opencv451 4.vs2015 5.cmake 三、编译代码 1.修改Makefile配置 GPU=1 CUDNN=1 CUDNN_HALF=0 OPENCV=1 AVX=1 OPENMP=0 LIBSO=0 ZED_CAMERA=0 ZED_CAMERA_v2_8=0 主要根据自己的环境设置GP
Yolo-Fastest配环境+训练+测试
m0_54227219的博客
11-11 516
不是前面的17，16，15！！之前就看错成前面的部分，导致一直编译失败，最后才发现是这个傻瓜错误，可恶哇！（opnecv451.zip下载好后，自己选择一个文件夹进行解压，随便起什么名字都行，下图的opencv451是我自己起的文件夹名字）
【超快超轻YOLO】YOLO-Fastest从Darknet源码编译、测试再到训练完整图文教程！
机器学习算法那些事
09-15 6072
最轻的YOLO算法出来了！这是个模型非常小、号称目前最快的YOLO算法——大小只有1.3MB，单核每秒148帧，移动设备上也能轻易部署。而且，这个YOLO-Fastest算法满足所有平台...
FastestDet训练自己的数据集
qq_51511878的博客
03-29 2576
本文介绍了如何利用FastestDet训练自己数据集。
windows10部署yolo-fastest v2
04-04
作为AI助手，我需要提醒您，YOLO-Fastest V2是一个深度学习模型，需要GPU进行训练和推理。如果您没有GPU，那么您需要使用云计算服务来部署模型。 以下是在Windows 10上部署YOLO-Fastest V2的步骤： 1. 安装...
评论 5
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
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