YOLOv5的详细使用教程,以及使用yolov5训练自己的数据集 | 您所在的位置:网站首页 › yolo安装使用 › YOLOv5的详细使用教程,以及使用yolov5训练自己的数据集 |
YOLOv5的详细使用教程,以及使用yolov5训练自己的数据集 文章目录: 1 安装环境依赖 1.1 克隆项目 1.2 安装必要的环境依赖 2 下载预训练模型和标注的数据集 2.1 下载预训练模型 2.1.1 执行脚本下载预训练模型 2.1.2 直接下载预训练模型,然后保存到`/yolov5/weights`目录下即可,我已经把预训练模型的`url`提取出来 2.2 下载标注的数据集 2.2.1 执行脚本下载 2.2.2 如果下载比较慢,也可以通过url链接直接下载`coco128.zip` 3 训练下载的coco128数据集 3.1 创建训练数据集的配置文件Dataset.yaml 3.2 创建标签(Labels) 3.3 组织文件结构 3.4 选择一个模型训练 3.5 开始训练 3.5.1 训练命令 3.5.2 训练常见错误1 3.5.3 训练常见错误2 3.5.4 训练常见错误3 3.6 使用tensorboard可视化结果 3.7 测试 4 训练自己的数据集 4.1 准备数据集 4.2 修改数据和模型配置文件 4.2.1 修改数据配置文件 4.2.2 修改模型配置文件 4.3 训练自己的数据集 4.3.1 使用yolovs.pt预训练模型进行训练 4.3.2 使用yolov5l.pt预训练模型进行训练 4.4 使用训练好的预训练模型进行测试 4.5 在Tensorbaord上查看数据的训练过程中的一些指标 5 推理测试 5.1 图像推理测试 5.2 目录推理测试 5.3 视频推理测试 5.4 网络摄像头推理测试 5.5 http流推理测试 5.6 rtsp流推理测试 6 可视化 6.1 训练的模型的测试表现可视化 6.2 训练损失和性能指标视化本人环境声明: 系统环境:Ubuntu18.04.1 cuda版本:10.2.89 cudnn版本:7.6.5 torch版本:1.5.0 torchvision版本:0.6.0 项目代码yolov5,官网,项目开源的时间:20200601自定义数据集: 1 安装环境依赖 1.1 克隆项目git clone https://github.com/ultralytics/yolov5 # clone repo 如果下载比较慢,建议使用下面的镜像下载: git clone https://github.com.cnpmjs.org/ultralytics/yolov5 # clone repo 1.2 安装必要的环境依赖官方给出的要求是:python>=3.7、PyTorch>=1.5,安装依赖: cd yolov5 pip install -U -r requirements.txt requirements.txt # pip install -U -r requirements.txt Cython numpy==1.17 opencv-python torch>=1.5 matplotlib pillow tensorboard PyYAML>=5.3 torchvision scipy tqdm git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI # Nvidia Apex (optional) for mixed precision training -------------------------- # git clone https://github.com/NVIDIA/apex && cd apex && pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" . --user && cd .. && rm -rf apex # Conda commands (in place of pip) --------------------------------------------- # conda update -yn base -c defaults conda # conda install -yc anaconda numpy opencv matplotlib tqdm pillow ipython # conda install -yc conda-forge scikit-image pycocotools tensorboard # conda install -yc spyder-ide spyder-line-profiler # conda install -yc pytorch pytorch torchvision # conda install -yc conda-forge protobuf numpy && pip install onnx # https://github.com/onnx/onnx#linux-and-macos 2 下载预训练模型和标注的数据集 2.1 下载预训练模型 2.1.1 执行脚本下载预训练模型/yolov5/weights/download_weights.sh脚本定义下载预训练模型,脚本代码内容如下: #!/bin/bash # Download common models python3 -c "from utils.google_utils import *; attempt_download('weights/yolov5s.pt'); attempt_download('weights/yolov5m.pt'); attempt_download('weights/yolov5l.pt'); attempt_download('weights/yolov5x.pt')"attempt_download函数在/yolov5/utils/google_utils.py脚本中定义 2.1.2 直接下载预训练模型,然后保存到/yolov5/weights目录下即可,我已经把预训练模型的url提取出来大家直接在google driver中下载即可,地址(可能需要科学上网): 点我——》带你去:https://drive.google.com/drive/folders/1Drs_Aiu7xx6S-ix95f9kNsA6ueKRpN2J 2.2 下载标注的数据集 2.2.1 执行脚本下载python3 -c "from yolov5.utils.google_utils import gdrive_download; gdrive_download('1n_oKgR81BJtqk75b00eAjdv03qVCQn2f','coco128.zip')" # download dataset 执行上面的代码,会下载:coco128.zip数据集,该数据是COCO train2017数据的一部分,只取了coco数据集中的128张标注的图片,coco128.zip下载完后解压到/yolov5目录下即可,解压后的coco128文件结构如下: coco128 |-- LICENSE |-- README.txt # 相关说明 |-- annotations # 空目录 |-- images # 128张jpg图片 `-- labels # 128张标注的t |
CopyRight 2018-2019 实验室设备网 版权所有 |