国产无码综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）

2年前作者：FriendshipT分類：Toy博客閱讀(24)違法舉報

這篇具有很好參考價值的文章主要介紹了YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方，請大家不吝賜教，您也可以點擊"舉報違法"按鈕提交疑問。

前言

由于本人水平有限，難免出現(xiàn)錯漏，敬請批評改正。

更多精彩內(nèi)容，可點擊進(jìn)入YOLO系列專欄或我的個人主頁查看

YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力機(jī)制

YOLOv5：yolov5s.yaml配置文件解讀、增加小目標(biāo)檢測層

YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU

YOLOv7訓(xùn)練自己的數(shù)據(jù)集（口罩檢測）

YOLOv8訓(xùn)練自己的數(shù)據(jù)集（足球檢測）

玩轉(zhuǎn)Jetson Nano（五）：TensorRT加速YOLOv5目標(biāo)檢測

前提條件

熟悉Python

相關(guān)介紹

Python是一種跨平臺的計算機(jī)程序設(shè)計語言。是一個高層次的結(jié)合了解釋性、編譯性、互動性和面向?qū)ο蟮哪_本語言。最初被設(shè)計用于編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越多被用于獨立的、大型項目的開發(fā)。

PyTorch 是一個深度學(xué)習(xí)框架，封裝好了很多網(wǎng)絡(luò)和深度學(xué)習(xí)相關(guān)的工具方便我們調(diào)用，而不用我們一個個去單獨寫了。它分為 CPU 和 GPU 版本，其他框架還有 TensorFlow、Caffe 等。PyTorch 是由 Facebook 人工智能研究院（FAIR）基于 Torch 推出的，它是一個基于 Python 的可續(xù)計算包，提供兩個高級功能：1、具有強(qiáng)大的 GPU 加速的張量計算（如 NumPy）；2、構(gòu)建深度神經(jīng)網(wǎng)絡(luò)時的自動微分機(jī)制。

YOLOv5是一種單階段目標(biāo)檢測算法，該算法在YOLOv4的基礎(chǔ)上添加了一些新的改進(jìn)思路，使其速度與精度都得到了極大的性能提升。它是一個在COCO數(shù)據(jù)集上預(yù)訓(xùn)練的物體檢測架構(gòu)和模型系列，代表了Ultralytics對未來視覺AI方法的開源研究，其中包含了經(jīng)過數(shù)千小時的研究和開發(fā)而形成的經(jīng)驗教訓(xùn)和最佳實踐。

實例分割是指將圖片中屬于物體類別的像素識別出來并作分類。1 實例分割是視覺經(jīng)典四個任務(wù)中相對最難的一個，它既具備語義分割（Semantic Segmentation）的特點，需要做到像素層面上的分類，也具備目標(biāo)檢測（Object Detection）的一部分特點，即需要定位出不同實例，即使它們是同一種類。

本文數(shù)據(jù)集免費獲取鏈接：https://download.csdn.net/download/FriendshipTang/88118028

同時，也可以在本文開頭獲取，如下圖所示。

使用YOLOv5-7.0版本訓(xùn)練自己的實例分割模型

YOLOv5項目官方源地址

https://github.com/ultralytics/yolov5.git

下載yolov5-7.0版源碼

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

解壓

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

目錄結(jié)構(gòu)

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

準(zhǔn)備實例分割數(shù)據(jù)集

在./data目錄下，新建myseg.yaml配置文件

內(nèi)容如下：

# YOLOv5 ?? by Ultralytics, AGPL-3.0 license
# COCO128-seg dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017) by Ultralytics
# Example usage: python train.py --data coco128.yaml
# parent
# ├── yolov5
# └── datasets
#     └── coco128-seg  ← downloads here (7 MB)


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/myseg  # dataset root dir
train: ../myseg/trainset/images  # train images (relative to 'path') 128 images
val: ../myseg/valset/images  # val images (relative to 'path') 128 images
test: ../myseg/testset/images  # test images (optional)

# Classes
names:
  0: background
  1: car
  2: traffic_sign
  3: lane_lines
  4: person
  5: motorcyclist
  6: cyclist

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

訓(xùn)練分割模型

python segment/train.py --data data/myseg.yaml --weights yolov5s-seg.pt --img 640 --batch-size 16

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

注：如果報顯存溢出錯誤，可將batch-size調(diào)小。

解決‘ImportError: Failed to initialize: Bad git executable.’

Traceback (most recent call last):
  File "segment/train.py", line 66, in <module>
    GIT_INFO = check_git_info()
  File "D:\anaconda3\envs\test2\lib\contextlib.py", line 75, in inner
    return func(*args, **kwds)
  File "E:\mytest\yolov5-master\utils\general.py", line 360, in check_git_info
    import git
  File "D:\anaconda3\envs\test2\lib\site-packages\git\__init__.py", line 91, in <module>
    raise ImportError("Failed to initialize: {0}".format(exc)) from exc
ImportError: Failed to initialize: Bad git executable.
The git executable must be specified in one of the following ways:
    - be included in your $PATH
    - be set via $GIT_PYTHON_GIT_EXECUTABLE
    - explicitly set via git.refresh()

All git commands will error until this is rectified.

This initial warning can be silenced or aggravated in the future by setting the
$GIT_PYTHON_REFRESH environment variable. Use one of the following values:
    - quiet|q|silence|s|none|n|0: for no warning or exception
    - warn|w|warning|1: for a printed warning
    - error|e|raise|r|2: for a raised exception

Example:
    export GIT_PYTHON_REFRESH=quiet

解決方法

在train.py代碼中，import os 后面添加了一行

os.environ["GIT_PYTHON_REFRESH"] = "quiet"

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

驗證分割模型

python segment/val.py --weights runs\train-seg\exp\weights\best.pt --data data/myseg.yaml --img 640

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

BoxPR_curve

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

MaskPR_curve

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

測試分割模型

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

python segment/predict.py --weights runs/train-seg/exp/weights/best.pt --source test.jpg --img 640

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）,YOLO系列,OpenCV-Python小應(yīng)用,YOLO,深度學(xué)習(xí)

參考

[1] https://github.com/ultralytics/yolov5文章來源地址http://www.zghlxwxcb.cn/news/detail-615539.html

由于本人水平有限，難免出現(xiàn)錯漏，敬請批評改正。

更多精彩內(nèi)容，可點擊進(jìn)入YOLO系列專欄或我的個人主頁查看

YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力機(jī)制

YOLOv5：yolov5s.yaml配置文件解讀、增加小目標(biāo)檢測層

YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU

YOLOv7訓(xùn)練自己的數(shù)據(jù)集（口罩檢測）

YOLOv8訓(xùn)練自己的數(shù)據(jù)集（足球檢測）

玩轉(zhuǎn)Jetson Nano（五）：TensorRT加速YOLOv5目標(biāo)檢測

到了這里，關(guān)于YOLOv5：使用7.0版本訓(xùn)練自己的實例分割模型（車輛、行人、路標(biāo)、車道線等實例分割）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來自互聯(lián)網(wǎng)用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符，請點擊違法舉報進(jìn)行投訴反饋，一經(jīng)查實，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費用

YOLOv8實例分割訓(xùn)練自己的數(shù)據(jù)集保姆級教程
1.1Labelme 安裝方法首先安裝 Anaconda，然后運行下列命令： 1.2Labelme 使用教程使用 labelme 進(jìn)行場景分割標(biāo)注的教程詳見：labelme ? ? 對數(shù)據(jù)集進(jìn)行轉(zhuǎn)換和劃分。注意：在數(shù)據(jù)標(biāo)注的時候?qū)D片和json文件放在不同的文件夾里。如下圖所示，另外新建兩個文件夾txt 和split。 ?2.1將
2024年02月02日
瀏覽(31)
模型實戰(zhàn)（3）之YOLOv7實例分割、模型訓(xùn)練自己數(shù)據(jù)集
下載yolov7實例分割模型：安裝環(huán)境
2023年04月08日
瀏覽(29)
【深度學(xué)習(xí)】YOLOv5實例分割數(shù)據(jù)集制作、模型訓(xùn)練以及TensorRT部署
yolov5-seg:官方地址：https://github.com/ultralytics/yolov5/tree/v6.2 TensorRT：8.x.x 語言：C++ 系統(tǒng)：ubuntu18.04 前言：由于yolo倉中提供了標(biāo)準(zhǔn)coco的json文件轉(zhuǎn)txt代碼，因此需要將labelme的json文件轉(zhuǎn)為coco json. labelme JSON 轉(zhuǎn)COCO JSON 使用labelme的CreatePolygons按鈕開始繪制多邊形，然后保存為json格式。
2024年02月06日
瀏覽(28)
YOLOv5訓(xùn)練大規(guī)模的遙感實例分割數(shù)據(jù)集 iSAID從切圖到數(shù)據(jù)集制作及訓(xùn)練
最近想訓(xùn)練遙感實例分割，縱觀博客發(fā)現(xiàn)較少相關(guān) iSAID數(shù)據(jù)集的切分及數(shù)據(jù)集轉(zhuǎn)換內(nèi)容，思來想去應(yīng)該在繁忙之中抽出時間寫個詳細(xì)的教程。 iSAID數(shù)據(jù)集鏈接下載上述數(shù)據(jù)集。百度網(wǎng)盤中的train和val中包含了實例和語義分割標(biāo)簽。上述過程只能下載標(biāo)簽，原始圖像為DOTA，
2024年02月04日
瀏覽(85)
yolov5-7.0簡單訓(xùn)練教程
yolov5-7.0簡單訓(xùn)練教程。可以自己去git上下載，沒有梯子的點這里去百度網(wǎng)盤下載資源點擊下載資源包：objectdetection_script-master 將下載到的腳本目錄中的yolo文件夾內(nèi)的文件復(fù)制到y(tǒng)olov5-7.0的根目錄下。 Annotations：存放VOC格式的標(biāo)注的XML文件 JPEGImages：存放數(shù)據(jù)集里的圖片，圖片
2024年02月02日
瀏覽(27)
【深度學(xué)習(xí)】yolov5 tag7.0 實例分割從0到1的體會,從模型訓(xùn)練,到量化完成，bug避坑
這里記錄下yolov5 tag7.0的實例分割，因為也用過paddle家族的實例分割，能夠訓(xùn)練出來，但是開放restiful api時遇到點小問題，還是yolov爽?。?！通過這篇博文，您可以一步步的搭建自己的分割網(wǎng)絡(luò)。 git倉庫:https://github.com/ultralytics/yolov5/tree/v7.0 在tag7.0開始支持的，號稱sota，在mas
2024年02月06日
瀏覽(21)
使用Yolov5訓(xùn)練自己的模型
本文主要介紹如何運用開源Yolov5模型，結(jié)合自己的數(shù)據(jù)，訓(xùn)練其他目標(biāo)檢測模型。基礎(chǔ)準(zhǔn)備工作： anaconda 適用Yolov5的虛擬環(huán)境 git上下載Yolov5并調(diào)通測試代碼 https://github.com/ultralytics/yolov5 https://github.com/ultralytics/yolov5 本次用的環(huán)境： python==3.7 pytorch==1.7.1 torchvision==0.8.2 torchaud
2024年02月05日
瀏覽(22)
YOLOv5-7.0訓(xùn)練中文標(biāo)簽的數(shù)據(jù)集
鏈接：https://pan.baidu.com/s/1KSROxTwyYnNoNxI5Tk13Dg? 提取碼：8888 (1)將metric.py中：將改為：? ? Windows11： ?Ubuntu20.04:? (2)將general.py中：將改為：? Windows11： ? ?Ubuntu20.04:? ? ? ? (3)將plots.py 中：在頭文件處加上： Windows11： ? ?Ubuntu20.04:? ?? 在plots.py找到class? Annotator： ?? 將改
2024年02月02日
瀏覽(25)
通過AutoDL使用yolov5.7訓(xùn)練自己的數(shù)據(jù)集
AutoDL 選擇基礎(chǔ)鏡像創(chuàng)建之后點擊開機(jī) ，也可在更多里面選擇無卡模式開機(jī)（此模式不能訓(xùn)練，但是可以上傳文件且更便宜）。開機(jī)之后，上傳代碼可通過xshell工具或者可以通過快捷工具JupyterLab。我兩種方法都來演示一遍。yolov5代碼復(fù)制登錄指令回車后會要求輸入密碼，
2024年02月05日
瀏覽(88)
YOLOv5-7.0-seg+YOLOv8-seg自定義數(shù)據(jù)集訓(xùn)練
下載源碼 ? https://github.com/ultralytics/yolov5.git 參考鏈接? ?yolov5-實例分割 1.如何使用yolov5實現(xiàn)實例分割，并訓(xùn)練自己的數(shù)據(jù)集_嗶哩嗶哩_bilibili 目錄: - datasets ? ? - JPEImages #存放圖片和標(biāo)注后的json文件以及轉(zhuǎn)換后的txt文件 ? ? - classes-4 #存放切分好的數(shù)據(jù)集 ? ? ? ? - images ? ?
2024年02月01日
瀏覽(28)