一、数据集采集（视频拆分为图片）
-
采集方式：视频、图片、下载别人的数据集
-
视频采集处理
通过程序把采集到的视频按帧率重新保存为图片
import cv2
video_path = 'Z:/YOLOv5/shuju/yuanshen/date/images/text/yuanshen1.MP4' # 视频地址
output_path = 'Z:/YOLOv5/shuju/yuanshen/date/images/train/'# 输出文件夹
interval = 10 # 每间隔10帧取一张图片
if __name__ == '__main__':
num =1
video = cv2.VideoCapture(video_path)
fps = video.get(cv2.CAP_PROP_FPS)#帧率
frames = video.get(cv2.CAP_PROP_FRAME_COUNT)#总的帧数
print("fps=",int(fps),"frames=",int(frames))#
while video.isOpened():
is_read, frame = video.read()
if is_read:
if num % interval == 1:
file_name = '%d' % num
cv2.imwrite(output_path + str(file_name) + '.jpg', frame)#输出图片
cv2.waitKey(1)
num += 1
else:
break运行报错的话，可查看是否缺失cv库，缺失的话可更加实际系统查阅资料自行导入，以上以Windows10系统为参考
什么文件夹路径如下：
路径为英文路径
运行后可在images里面的train文件夹里面看到数据集、如下：
此时数据集制作完成进入下一步对数据集进行标注。
二、模注（labelImg）
1.打开软件、设置标注数据集的路径、存放路径
其中数据集来源为此文件夹：Z:\YOLOv5\shuju\yuanshen\date\images\train
存放数据集为此文件夹：Z:\YOLOv5\shuju\yuanshen\date\labels\train
2.开始标注
3.完成标注
三、YOLO v5lite-s文件处理（依赖安装、训练集文件夹位置、delect.py、train.py、expor.py配置）
1.打开data文件夹下的coco.yaml文件
根据模型标注的数据字典修改对应的标签数和类别
数据字典位于class.txt中
修改后如下：
2.打开train.py
修改以下内容：
内容具体解释请参考以下博客： 本文链接：【Yolov5】1.认真总结6000字Yolov5保姆级教程（2022.06.28全新版本v6.1）_yolov5教程-CSDN博客
3.开始训练
注册打开矩池云
上传完善好的YOLO 文件夹置矩池云的网盘，网盘位于我的工作空间里面
租借服务器，记得与网盘区域对应如上为1区，租借预装了YOLOv5环境的服务器，此处勾选vnc采用vnc登录
此处若有疑问可参考以下链接
https://doc.itprojects.cn/0007.zhishi.raspberrypi/02.doc/index.html#/c01.yolo5
打开服务器，cd到对应文件内，运行
python train.py
发现有报错，这里尝试安装依赖
pip install -r requirements.txt 重新运行，依然有报错
查看models发现名称错误，改为v5Lite-s.yaml
其后发现依然报错：这里路径改为绝对路径，且字典里面有几个标签，name也是有几个，这里漏了一个A，后续把路径结构改为如下，images存放训练集图片，labels存放标签，text存放测试集。
解决报错后也是开始训练了，初步估计训练好后识别效果可能不佳，感觉数据集太少，而且太杂乱。
四、识别效果及部署技巧
1.训练完成后可以查看best.pt和last.pt位置
2.打开delect.py
配置一下权重路径、识别数据路径等
识别完成
3.打开这个文件夹Results saved to runs/detect/exp可以看到识别效果
识别效果很打脸，原以为很差，没想到也还是可以接受的比心理预期好太多
4.转换为onnx模型更轻量化的部署-基于配置了anconda YOLO环境的Windows电脑
利用export.py进行转换，打开后修改如下几个地方，首先是待转化best.pt的路径，图片大小（与训练时一致），batch size 这里设1，支持采用cpu
运行程序后出现： ONNX export success, saved as Z:\YOLOv5-Lite-s\runs\train\exp17\weights\best.onnx
转换成功，且存储在同一文件夹下。
部署测试代码：只有模型名称和标签字典有改动，别的保持一致。
摄像头实时识别代码：
import cv2
import numpy as np
import onnxruntime as ort
import time
def plot_one_box(x, img, color=None, label=None, line_thickness=None):
"""
description: Plots one bounding box on image img,
this function comes from YoLov5 project.
param:
x: a box likes [x1,y1,x2,y2]
img: a opencv image object
color: color to draw rectangle, such as (0,255,0)
label: str
line_thickness: int
return:
no return
"""
tl = (
line_thickness or round(0.002 * (img.shape[0] + img.shape[1]) / 2) + 1
) # line/font thickness
color = color or [random.randint(0, 255) for _ in range(3)]
c1, c2 = (int(x[0]), int(x[1])), (int(x[2]), int(x[3]))
cv2.rectangle(img, c1, c2, color, thickness=tl, lineType=cv2.LINE_AA)
if label:
tf = max(tl - 1, 1) # font thickness
t_size = cv2.getTextSize(label, 0, fontScale=tl / 3, thickness=tf)[0]
c2 = c1[0] + t_size[0], c1[1] - t_size[1] - 3
cv2.rectangle(img, c1, c2, color, -1, cv2.LINE_AA) # filled
cv2.putText(
img,
label,
(c1[0], c1[1] - 2),
0,
tl / 3,
[225, 255, 255],
thickness=tf,
lineType=cv2.LINE_AA,
)
def _make_grid( nx, ny):
xv, yv = np.meshgrid(np.arange(ny), np.arange(nx))
return np.stack((xv, yv), 2).reshape((-1, 2)).astype(np.float32)
def cal_outputs(outs,nl,na,model_w,model_h,anchor_grid,stride):
row_ind = 0
grid = [np.zeros(1)] * nl
for i in range(nl):
h, w = int(model_w/ stride[i]), int(model_h / stride[i])
length = int(na * h * w)
if grid[i].shape[2:4] != (h, w):
grid[i] = _make_grid(w, h)
outs[row_ind:row_ind + length, 0:2] = (outs[row_ind:row_ind + length, 0:2] * 2. - 0.5 + np.tile(
grid[i], (na, 1))) * int(stride[i])
outs[row_ind:row_ind + length, 2:4] = (outs[row_ind:row_ind + length, 2:4] * 2) ** 2 * np.repeat(
anchor_grid[i], h * w, axis=0)
row_ind += length
return outs
def post_process_opencv(outputs,model_h,model_w,img_h,img_w,thred_nms,thred_cond):
conf = outputs[:,4].tolist()
c_x = outputs[:,0]/model_w*img_w
c_y = outputs[:,1]/model_h*img_h
w = outputs[:,2]/model_w*img_w
h = outputs[:,3]/model_h*img_h
p_cls = outputs[:,5:]
if len(p_cls.shape)==1:
p_cls = np.expand_dims(p_cls,1)
cls_id = np.argmax(p_cls,axis=1)
p_x1 = np.expand_dims(c_x-w/2,-1)
p_y1 = np.expand_dims(c_y-h/2,-1)
p_x2 = np.expand_dims(c_x+w/2,-1)
p_y2 = np.expand_dims(c_y+h/2,-1)
areas = np.concatenate((p_x1,p_y1,p_x2,p_y2),axis=-1)
areas = areas.tolist()
ids = cv2.dnn.NMSBoxes(areas,conf,thred_cond,thred_nms)
if len(ids)>0:
return np.array(areas)[ids],np.array(conf)[ids],cls_id[ids]
else:
return [],[],[]
def infer_img(img0,net,model_h,model_w,nl,na,stride,anchor_grid,thred_nms=0.4,thred_cond=0.5):
# 图像预处理
img = cv2.resize(img0, [model_w,model_h], interpolation=cv2.INTER_AREA)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = img.astype(np.float32) / 255.0
blob = np.expand_dims(np.transpose(img, (2, 0, 1)), axis=0)
# 模型推理
outs = net.run(None, {net.get_inputs()[0].name: blob})[0].squeeze(axis=0)
# 输出坐标矫正
outs = cal_outputs(outs,nl,na,model_w,model_h,anchor_grid,stride)
# 检测框计算
img_h,img_w,_ = np.shape(img0)
boxes,confs,ids = post_process_opencv(outs,model_h,model_w,img_h,img_w,thred_nms,thred_cond)
return boxes,confs,ids
if __name__ == "__main__":
# 模型加载
model_pb_path = "best.onnx"
so = ort.SessionOptions()
net = ort.InferenceSession(model_pb_path, so)
# 标签字典
dic_labels= {0:'A',
1:'wanye',
2:'leishen',
3:'zhongli',
4:'hutao'
}
# 模型参数
model_h = 320
model_w = 320
nl = 3
na = 3
stride=[8.,16.,32.]
anchors = [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]]
anchor_grid = np.asarray(anchors, dtype=np.float32).reshape(nl, -1, 2)
video = 0
cap = cv2.VideoCapture(video)
flag_det = False
while True:
success, img0 = cap.read()
if success:
if flag_det:
t1 = time.time()
det_boxes,scores,ids = infer_img(img0,net,model_h,model_w,nl,na,stride,anchor_grid,thred_nms=0.4,thred_cond=0.5)
t2 = time.time()
for box,score,id in zip(det_boxes,scores,ids):
label = '%s:%.2f'%(dic_labels[id],score)
plot_one_box(box.astype(np.int16), img0, color=(255,0,0), label=label, line_thickness=None)
str_FPS = "FPS: %.2f"%(1./(t2-t1))
cv2.putText(img0,str_FPS,(50,50),cv2.FONT_HERSHEY_COMPLEX,1,(0,255,0),3)
cv2.imshow("video",img0)
key=cv2.waitKey(1) & 0xFF
if key == ord('q'):
break
elif key & 0xFF == ord('s'):
flag_det = not flag_det
print(flag_det)
cap.release() 运行此代码，按q退出，按s开始识别，此处识别代码和onnx.pt要位同一个文件目录下：
运行效果：此处部署在Windows电脑上并采用摄像头实时识别，部署在别的设备上也是类似的可以参考另一篇博客：本文链接：基于Anaconda的Windows端yolov5模型部署（onnx模型部署黑色砝码识别）-树莓派5部署步骤同样适用_yolov5使用onnx模型在pc端跑-CSDN博客
多的也不说了，原神启动去了，文章有疑问或者问题可以私聊我，联系方式qq：3470445202，如有侵权联系删。
文章源码：链接：https://pan.baidu.com/s/1seDGdxkO7S7hMa_xN7u-Pw?pwd=1234
提取码：1234
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
