自学Yolov5不断更新版....

我的学习思路：

1. dang下来一个完整code
2. 不断debug直到能在我电脑上正常运行
3. 看代码，学习code，哪里能看懂了，改哪里的代码，改多了就成我自己的东西了，就能让“别人的code”去做“我想做的事情”

---

下载code

首先上一个GitHub下载yolov5 code链接：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

我是下载了5.0版本，后来一直报错，又下载了6.1版本就能运行了。

下载过程：

打开code+运行（配置环境，自己debug）

然后用PyCharm IDE打开即可，如下图，这是我的目录：

根据requirements.txt这个文件配置环境。

pip install -r requirements.txt

其中我遇到了pycocotools、SPPF、AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'、、、、等等问题，建议小伙伴们可以自行网页搜索，每天不是在创造bug就是在debug的过程，具备一些自己Google解决问题的能力是很必要的。

代码学习

目录介绍

对代码的整体目录做一个介绍：

├── data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。

├── models：里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同的版本，分别为是s、m、l、x。从名字就可以看出，这几个版本的大小。他们的检测测度分别都是从快到慢，但是精确度分别是从低到高。这就是所谓的鱼和熊掌不可兼得。如果训练自己的数据集的话，就需要修改这里面相对应的yaml文件来训练自己模型。

├── utils：存放的是工具类的函数，里面有loss函数，metrics函数，plots函数等等。

├── weights：放置训练好的权重参数。

├── detect.py：利用训练好的权重参数进行目标检测，可以进行图像、视频和摄像头的检测。

├── train.py：训练自己的数据集的函数。

├── test.py：测试训练的结果的函数。

├──requirements.txt：这是一个文本文件，里面写着使用yolov5项目的环境依赖包的一些版本，可以利用该文本导入相应版本的包。

以上就是yolov5项目代码的整体介绍。我们训练和测试自己的数据集基本就是利用到如上的代码。
 

了解预训练模型

教你深入理解“预训练” - 知乎 (zhihu.com)

detect.py文件

运行效果：

可以看到detect的预测结果放在了runs\detect\exp2中。这是运行效果图

这里是我dang下来code自带的两张图片，大家也可以把想测试的图片或视频放到这里，我就放入了一些图片，然后比较离谱的事情就发生了：

参数详情：

weights

parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')

weights权重，自己可以调，yolov5s.pt, yolov5m.pt, yolov5l.pt, yolov5x.pt, 

---

source

parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam')

source网络输入路径，就是即将被预处理的图片或视频，默认是文件夹下所有内容，也可以指定某个具体的文件

---

data

parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')

---

imgsz

parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')

imgsz图像的height和width，输入和输出的大小不变，只是送入网络后被缩小后放大。在检测前将它resize成640*640的大小，喂进网络。

---

conf-thres

parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')

conf_thres置信度，只输出置信度大于xx的预测结果

---

iou-thres

parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')

iou：intersection over union

iou_thres过大容易出现一个目标多个检测框；IOU thres过小容易出现检测结果少的问题。

介绍以下iou和nms：

• nms：non-maximum suppresion非最大抑制（以下是两篇文章的连接）非极大值抑制算法（Non-Maximum Suppression，NMS）_非极大抑制算法-CSDN博客【精选】Bounding Box Regression超详解（全站最全汇总版）综合各个途径文档 看这一篇就够了 解决你所有疑惑_bounding-box regression计算_迪菲赫尔曼的博客-CSDN博客​​​​​

---

max-det

parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')

一张图中最大检测数量，最多可以检测1000个

---

device

parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

用来选择GPU的，如果不选择，默认会自动检测

---

view-img

parser.add_argument('--view-img', action='store_true', help='show results')

在检测是时候是否把检测结果实时显示出来，如检测一张显示一张。

---

save-txt

parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')

是否把检测结果保存成一个.txt文本，我们试验一下，会得到一个label文件夹：

在终端terminal输入

python detect.py --save-txt

---

save-conf

parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')

是否以.txt格式保存置信度，如果单独执行python detect.py --save-conf不报错，但没效果，应该在terminal输入：

python detect.py --save-txt --save-conf

---

save-crop

parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')

是否把模型检测到的物体剪裁下来，若是，我们执行一下，得到如下结果，都是剪裁下来的图片：

---

nosave

parser.add_argument('--nosave', action='store_true', help='do not save images/videos')

不保存预测结果，但还生成exp文件（空）。我觉得这个应该搭配--view-img一起使用

---

classes（nargs）

parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')

nargs参数：给变量赋值，可以把0赋值给classes，也可以把0，1，2，3都赋值给classes

（nargs=' * ' 　　　表示参数可设置零个或多个
    nargs=' + ' 　　表示参数可设置一个或多个
    nargs=' ? '　　　表示参数可设置零个或一个）

如果我们只把0类别，也就是人类别，赋值给classes，那么得到：

python detect.py --classes 0

---

agnostic-nms

parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')

agnostic-nms是跨类别nms，比如当待预测图像中出现一个长长的像橄榄球的足球，而pt文件的分类中有橄榄球和足球，就会标注出两个框，一橄榄一足球。但当我们开启agnostic-nms，只会标注一个框。

---

augment

parser.add_argument('--augment', action='store_true', help='augmented inference')

这个参数也是一种增强的方式，下图是启用前和启用后：

---

visualize

parser.add_argument('--visualize', action='store_true', help='visualize features')

是否把特征图可视化出来，运行后，可以发现多了一些.npy后缀的文件，可以读作numpy

如何打开npy文件：python读取并可视化npy格式的深度图文件以及将其保存为jpg图片的方法_npy文件-CSDN博客

---

update

parser.add_argument('--update', action='store_true', help='update all models')

如果指定这个参数，则对所有模型进行strip-optimizer操作（条带优化器），去除pt文件中的优化器信息。

---

project

parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')

---

name

parser.add_argument('--name', default='exp', help='save results to project/name')

如上图，文件夹的名字

---

exist-ok

parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')

每次预测结果是否保存在上一个文件夹中。如果指定了这个参数，则每次保存结果都在上一个保存结果文件夹中，如果不指定，那么每次保存结果都在一个新文件夹中。

---

line-thickness

parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')

调节预测框粗细的，我们输入python detect.py --line-thickness 16，得到：

---

hide-lables

parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')

---

hide-conf

parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')

隐藏置信度

---

half

parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')

是否使用FP16半精度推理。

---

dnn

parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')