yolo5自定义训练过程记录（Windows10环境）

yolo5自定义训练过程记录（Windows10环境）

前一阵有领导提出是否可以监控货物存量的问题，经分析，货位上增加传感器的模式精度高则高矣，实施和成本都太高，故考虑可以通过监控进出量，来统计总体存量概况。这个方案是否可行？于是经过一番搜索，可能通过yolo + 目标跟踪的方案可行，这个需求很类似智能交通管理监控，不过目前还未搞定跟踪，只做到了通过yolo识别，从可行性验证方向来说是可以的，因此记录一下。

首先在Github上找到yolo5，下载zip或者克隆到本地，环境安装一下，运行一下可以跑起来了。具体环境安装过程不再赘述，网上很多大佬文章，那是图文并茂，吾不如也…

但是有个问题：默认的训练集（yolov5s.pt）只能对标准物体识别，例如人，车辆等，我使用了叉车（当然是玩具小叉车，下现场采集那是不可能滴…），标准模型对叉车识别率不高。经常识别为飞机（汗）。

我的玩具小叉车：

标准模型识别效果截图（你是飞机）：

那只能自己训练啦。于是打开摄像头，随意截取了一些帧截图，还是根据面向度娘的编程原则，了解到使用labelimg即可进行标注，这里有个问题，我python环境是3.10的，但是labelimg是基于3.9的，我的解决方案是再在mini conda环境下安装一个python39的，简单粗暴但是好用，于是labelimg跑起来了。

在OpenDir打开截图目录后，即可进行标注，过程比较简单，唯一需要注意的是下面那个地方要选一下，选成yolo。

标注完成后，需要将标注图片和数据分为训练集和测试集，分别放在不同的文件夹下。例如我把训练数据放在“cust_datasets \forklift”文件夹下，然后再建“train”和“valid”文件夹，在“train”和“valid”再有images和labels文件夹存放图片和标注信息。

文件夹结构如下：

在forklift文件夹下，建一个data.yaml文件，我需要区分有货或者无货叉车，于是增加了2个分类：'forklift_empty','forklift_full'。具体yaml文件内容如下：

names: ['forklift_empty','forklift_full']

nc: 2

train: cust_datasets/forklift/train/images

val: cust_datasets/forklift/valid/images

文件内容比较简单，截图如下：

数据准备好之后，就可以执行命令进行训练了。命令如下：

python train.py --batch-size 2 --epochs 200 --data cust_datasets/forklift/data.yaml --weights yolov5s.pt

epochs和batch-size参数根据具体硬件配置可以调整，这方面我也不懂，反正就是一个抄…

注意，训练之前可能会有2个坑，一个是需要一个Arial.ttf文件，是个字体，训练时下载，需要会上网，否则会卡死在这个下载过程，这个字体文件下载后，拷贝到字体里就可以了（应该是“C:\Users\你的windows用户账户\AppData\Roaming\Ultralytics”）。另外，由于我的python环境是3.10，所以训练和执行的时候有个int不兼容的问题，度娘了一番哪里报错改哪里，int64改为int改完就好了。

训练完成之后，模型文件一般就在 “runs/train/exp11/weights/best.pt” 这里。

最后，终于可以检测了！命令（读文件）

Python detect.py --source c:\xxxxxx\xx.mp4 --weight runs/train/exp11/weights/best.pt

或从摄像头0读取视频

python detect.py --source 0 --weight runs/train/exp11/weights/best.pt

效果截图：