本文用于學(xué)習(xí)記錄

前言

YOLO v5 實(shí)現(xiàn)目標(biāo)檢測(cè)

一、YOLO v5 環(huán)境配置

1.1 安裝 anaconda 與 pycharm

• 安裝完成以后，按下開(kāi)始鍵（ win 鍵）出現(xiàn) anaconda3 這個(gè)文件夾，說(shuō)明 anaconda 已經(jīng)安裝好了
• 點(diǎn)擊左下圖中標(biāo)紅的圖標(biāo)，就可打開(kāi) anaconda 的終端如右下圖：
  

1.2 創(chuàng)建虛擬環(huán)境

conda create -n 環(huán)境名字（英文） python=x.x（python版本）

• 輸入 conda create -n pytorch1 python=3.9，在 base 環(huán)境中這條命令，就會(huì)創(chuàng)建一個(gè)新的虛擬環(huán)境，這個(gè)虛擬環(huán)境會(huì)安裝一些基礎(chǔ)的包，如左下圖所示：
• 詢(xún)問(wèn)是否安裝的時(shí)候，輸入 y 就可以創(chuàng)建環(huán)境了
  

1.3 進(jìn)入 pytorch 環(huán)境

conda activate pytorch1

• 安裝完成后顯示如下，輸入 conda activate pytorch1 進(jìn)入 pytorch 環(huán)境，輸入 pip list 查看已經(jīng)安裝的包

1.4 安裝 pytorch

#如果電腦沒(méi)有英偉達(dá)的顯卡輸入：（在 pytorch 環(huán)境下輸入）
conda install pytorch torchvision cpuonly -c pytorch 

二、YOLO v5 項(xiàng)目下載實(shí)現(xiàn)

2.1 YOLO v5 項(xiàng)目下載

• 下載源碼，并保存至本地
  

2.2 解壓 yolo v5 項(xiàng)目并導(dǎo)入 Pycharm

• 將本地的 yolov5 項(xiàng)目解壓至 Pycharm 特定的 Project 項(xiàng)目中，Pycharm 將會(huì)自動(dòng)識(shí)別，并完成加載
• 如左下圖所示，已完成 yolov5 項(xiàng)目的導(dǎo)入，進(jìn)入 File 下的 Settings 進(jìn)行 python 解釋器設(shè)置
  

2.3 添加 Python interpreter

• 選擇 Settings 中的 Project yolov5-master 下的 Python interpreter，點(diǎn)擊右上角標(biāo)紅的設(shè)置選擇 add 添加；
  

2.4 選擇 Existing environment

• 進(jìn)入 Add Python interpreter 選擇 Conda Environment 下標(biāo)紅的 Existing environment，點(diǎn)擊 OK 之后 python 解釋器設(shè)置就配置好了；
  

2.5 直接運(yùn)行 detect.py

• 直接運(yùn)行 detect.py，會(huì)出現(xiàn)以下問(wèn)題，即缺少依賴(lài)包；
  

2.6 配置 requirements.txt

#需要導(dǎo)入的 requirements.txt 文件配置，里面包含 yolo5 運(yùn)行所需依賴(lài)，在 Pycharm 的 Terminal 終端輸入：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2.7 重新運(yùn)行 detect.py

• 安裝成功后，再次運(yùn)行 detect.py，將會(huì)檢測(cè) data/images 中的圖片；
  

2.8 yolov5s.pt 權(quán)重文件下載超時(shí)

• 運(yùn)行結(jié)果會(huì)在 runs 目錄下，但這里沒(méi)有看到所預(yù)測(cè)的圖片，原因是 yolov5s.pt 權(quán)重文件下載超時(shí)；
  

2.9 下載 yolov5s.pt 權(quán)重文件

• yolov5s.pt 權(quán)重文件下載超時(shí)后，可重新運(yùn)行 detec.py，
• 如果下載太慢，也可進(jìn)入官網(wǎng)地址下載 yolov5s.pt；

2.10 detect.py 運(yùn)行成功

• detect.py 運(yùn)行結(jié)果保存到 runs\detect\exp 中，
  

2.11 檢測(cè)視頻

• 前面是檢測(cè)圖片，可以把想檢測(cè)的視頻放入新建的 data/video 的文件夾中，將代碼改成 default=ROOT / ‘data/video’ 即可；
  

2.12 檢測(cè)攝像頭

• 開(kāi)啟攝像頭檢測(cè)，將代碼改成 default=‘0’，便可開(kāi)啟自帶攝像頭
• 將代碼改成 default=‘1’，便可開(kāi)啟 USB 攝像頭，進(jìn)行動(dòng)態(tài)的實(shí)時(shí)檢測(cè)
  

2.13 連接手機(jī)攝像頭

• 手機(jī)和電腦在同一局域網(wǎng)下（即連接的是同一個(gè) WIFI）

• 下載 IP 攝像頭 Lite
  

• 點(diǎn)擊打開(kāi) IP 攝像頭 Lite
  

• 點(diǎn)擊打開(kāi) IP 攝像頭服務(wù)器
  

  # 修改 detect.py 代碼，運(yùn)行即可
  parser.add_argument('--source', type=str, default='http://admin:admin@192.168.0.130:8081', help='file/dir/URL/glob/screen/0(webcam)')
  

  

• 報(bào)錯(cuò)原因：上述修改未加上用戶(hù)名和密碼 admin：admin@

三、自制數(shù)據(jù)集訓(xùn)練自己的模型

3.1 新建文件夾存儲(chǔ)數(shù)據(jù)集圖片和標(biāo)簽

• 新建文件夾 train_data，在該文件夾下新建 images、labels 兩個(gè)文件夾
• 分別在這里兩個(gè)文件夾下新建 train 文件夾
• 將采集的圖片（采用手機(jī)拍照或者走網(wǎng)上搜索你所需要的數(shù)據(jù)集）放入 train_data/images/train 文件夾，此時(shí) train_dat/labels/train 文件夾是空的

3.2 圖片標(biāo)注

• 這是一個(gè)在線標(biāo)注工具，點(diǎn)擊 Get Started 進(jìn)入右圖
  

• 選擇自己前面采集的8張要訓(xùn)練的圖片，點(diǎn)擊 Object Detection
  

• 輸入你所需要的標(biāo)簽，在這都是貓的圖片，如果種類(lèi)多樣，按 Enter 繼續(xù)添加輸入即可，不需要?jiǎng)t點(diǎn)擊刪除
  

• 畫(huà)框打上標(biāo)簽，給所有圖片都打完標(biāo)簽后，選擇導(dǎo)出模型標(biāo)簽，如下圖所示：
  

• 選擇第一個(gè) yolo 模型，然年導(dǎo)出，你可以看到你需要的標(biāo)簽已經(jīng)下載下來(lái)了；
  

• 導(dǎo)出后，你可以看到該標(biāo)簽文件夾下有8個(gè)已經(jīng)標(biāo)注好的 txt 文件

• 把它們復(fù)制到之前空的 train_data/labels/train 文件夾中
  

3.3 yaml 文件修改

• 復(fù)制 coco128.yaml 修改為 cat.yaml ，并對(duì)其內(nèi)容進(jìn)行修改；
  

3.4 修改并運(yùn)行 train.py

• （這里是由于內(nèi)存不足報(bào)錯(cuò)，）1個(gè) epoch 表示過(guò)了1遍訓(xùn)練集中的所有樣本

• batch-size：1次迭代所使用的樣本量

• 例如定義10000次迭代為1個(gè) epoch，若每次迭代的 batch-size 設(shè)為256，那么1個(gè) epoch 相當(dāng)于過(guò)了2560000個(gè)訓(xùn)練樣本。
  

• 于是把 epoch 設(shè)置為3，能成功訓(xùn)練，但這樣訓(xùn)練出來(lái)的模型就沒(méi)啥效果，所以還得將 epoch 設(shè)置的高點(diǎn)，比較不同值訓(xùn)練后的結(jié)果，看哪個(gè)效果更好。
  文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-794071.html

總結(jié)

以上就是 yolov5 的環(huán)境配置、運(yùn)行與訓(xùn)練過(guò)程及其中可能出現(xiàn)的問(wèn)題與解決辦法。

到了這里，關(guān)于YOLO v5 實(shí)現(xiàn)目標(biāo)檢測(cè)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY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)！