Yolo5使用说明
代码为gitbub上的官方的yolov5,不足的地方可参考yolov5官方文档,链接 https://github.com/ultralytics/yolov5
本文只是对yolov5的最基本使用做了一下简单的说明
各部分代码和注释推荐粘贴到编译器里看
1.图片打标
打标工具MakeSense使用方法: https://blog.csdn.net/weixin_52470573/article/details/127097804
MakeSense网站链接: https://www.makesense.ai/
2. 训练
目标检测任务:
训练命令: python train.py --weights 基础权重文件路径 --data 储存数据集路径的文件路径
权重文件为.pt格式的文件, yolov5官方会提供
储存数据集路径的文件为.yaml格式的文件, 由自己根据自定义的数据集编写
① 图片数据集格式
--dataset
--train
--images
--labels
--test
--images
--labels
--val
--images
--labels
注: images 为图片储存的文件夹, labels为对应图片预测框存储文件的文件夹
② yaml文件格式
path: dataset文件夹的路径
train: train
val: val
test: test
names: # 类别与对应得标签说明
0: 标签0的名称
1: 标签1的名称
2: 标签2的名称
...
注: 请将①②对照观看,图片数据集给出的样式只是个人推荐,实际使用不长这个样子也没什么问题,只要确保代码可以找到路径即可
3.检测
目标检测任务
检测命令:
单张图片: python detect.py --weights 基础权重文件路径 --source 图片名
文件夹下所有图片: python detect.py --weights 基础权重文件路径 --source 图片所在文件夹名
视频: python detect.py --weights 基础权重文件路径 --source 视频名
本地摄像头: python detect.py --weights 基础权重文件路径 --source 0
可选参数:
--view-img: 展示检测效果
4.detect代码解析
1. 引包
importargparse # 配置命令行参数所需的包(python系统包)
importos # 操作系统包(python系统包), 该项目中一般用于文件夹的创建
importplatform # 操作系统信息包(python系统包), 该项目中用于读取系统信息以便下一步根据对应的操作系统进行图像展示,忽视也可以
importsys # 环境变量包(python系统包), 找包都是在sys.path这个列表里的文件夹下找的
frompathlibimportPath# 路径管理包(python系统包), 方便路径的拼接工作
importtorch # 这个应该不用描述了
# 这几行代码是将运行文件所在路径添加到sys的环境变量表中, 某些写法可能有点奇怪,但是不要在意
FILE = Path(__file__).resolve()
ROOT = FILE.parents[0] # YOLOv5 root directory
ifstr(ROOT) notinsys.path:
sys.path.append(str(ROOT)) # add ROOT to PATH
# 将当前文件所在路径提取出来作为根路径
ROOT = Path(os.path.relpath(ROOT, Path.cwd())) # relative
frommodels.commonimportDete