目标检测入门（三）程序文件目录详解

前面几节了解了目标检测的一些基础概念之后就可以着手跑程序了，至于环境的配置某站一大堆教程，这里重点推荐up主我是土堆，而且还有一个yolov5的实战教程，非常适合新手了。经过几天的调试终于把程序跑出来了，看着密密麻麻的工程文件夹一时头大，接下来几天要把各个配置文件和代码读懂。

yolov5工程文件分类如下：

（1） .github

github文件夹主要是放置github一些配置文件，这个没咋用过，可能不太重要。

（2）data

image：文件夹中存放官方下载的测试图片，也可以将自己下载的图片或者视频放到这个文件夹来检测
scripts；存放着数据集下载的脚本，后缀都为.sh，对应三个数据集
argoverse_hd.yaml：yaml后缀的都为某一个数据集的配置文件，.前的为数据集的名称
coco.yaml：coco数据集配置文件
coco128.yaml同理：coco128为coco数据集的前128个图片，学习时为了训练快一点从而减小数据量
hyp.finetune.yaml：超参数微调配置文件
hyp.scratch.yaml：超参数起始配置文件
voc.yaml：voc数据集配置文件

model文件夹

hub文件夹：存放着yolov5各种版本的目标检测网络配置模型，各个模型都有其独特的优势，详细信息参考ll链 接：此博文比我的详细，我只是为了学习记忆写此博文

_ init _.py：pycharm创建pakages时加的，项目中的文件是空的
common.py：存放网格结构定义通用模块，比如autopad，Conv，TransformerLayer等
experiment.py：实验性质的代码，包括跨层权重，MixConv2d等
export.py：这个部分是模型的转换部分，将模型转换为torchscript、 onnx、coreml等格式，用于后面的应用中，方便将模型加载到各种设备上
yolo.py：yolo的网络模型搭建模块过程
yolov5l.yaml：网络模型配置文件,large版本，深度和宽度都为1.0
其他的配置文件打开都可以看到详细的信息

run文件夹

run文件夹包含着detect，train，test的运行结果，每次运行结束后都会显示结果保存在那个exp下，有很多的运行数据和测试评估数据等后面的学习再详细的总结

utils文件夹

aws：恢复中断训练，和aws平台使用相关的工具
google_app_engine：和谷歌app引擎相关的工具
wandb_logging：
activations.py：激活函数
autoanchor.py：这个文件是通过 k-means 聚类 + 遗传算法来生成和当前数据集匹配度更高的anchors。如果要使用这个脚本要注意两点：
dataset.py：dataset和dataloader定义代码，图像增强代码，标签处理代码等
general.py：这个文件是yolov5的通用工具类，写了一些通用的工具函数，用的很广，整个项目哪里都可能用到。这个文件的函数非常多，代码量也很大（上千行了），也都比较重要
google_utils.py：google相关代码
loss.py：各种损失函数
metrics.py：这个文件存放的是计算mAP、混淆矩阵、IOU相关的函数，在看之前需要大家了解基本的目标检测指标，mAP的定义，计算方式等知识
plots.py：绘图相关函数，比如loss，ac曲线等
torch_utils.py：辅助函数，torch相关工具的使用

weights

权重下载shell文件

其他一级目录文件

.dockerignore：存放docker的ignore文件
.gitattributes：将.ipynb后缀的文件剔除github语言统计
gitignore：
detect.py：目标检测脚本
Dockerfile：
hubconf.py：pytorch hub相关文件
LICENSE：证书
README.md：markdown格式说明文档
requirements.txt：工程所需文件下载
test.py：测试脚本
train.py：训练脚本
tutorial.ipynb：目标检测教程
yolov5s.pt：coco数据集模型预训练权重，会从项目网址下载