Pycharm配置环境&本地训练yolov5(车辆检测)

整体过程较为顺利,yolov5使用起来非常友好。

目录


yolov5开源网址:

GitHub – ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

一、数据集准备

更新后的数据集:🍞正在为您运送作品详情

上面这个链接里的数据集源于KITTI,数据已处理,可以直接使用,已经改成darknet需要的数据格式,可直接用于yolov5。

共5个G,6600左右张图片,只保留了car类型。 

里面Pycharm配置环境&本地训练yolov5(车辆检测)

每个文件夹中对应图片和标签

Pycharm配置环境&本地训练yolov5(车辆检测)

Pycharm配置环境&本地训练yolov5(车辆检测)Pycharm配置环境&本地训练yolov5(车辆检测)

txt内部格式:

Pycharm配置环境&本地训练yolov5(车辆检测)

Pycharm配置环境&本地训练yolov5(车辆检测)

原文:

我的数据集:

Pycharm配置环境&本地训练yolov5(车辆检测)Pycharm配置环境&本地训练yolov5(车辆检测)

Pycharm配置环境&本地训练yolov5(车辆检测)

valid中也是,需要注意的labels必须是txt文件

labelme生成的可能是json或xml,用python脚本提取信息并转换。

二、项目配置

1、安装pytorch和cuda,并创建新项目

可参考这个视频:

Windows安装Anaconda,创建pytorch环境,pycharm配置环境_无名大学生的博客-CSDN博客

建议环境配置后,把这个yolov5文件夹放进去,这样之后所有需要这个环境的就直接在这个项目中创建或运行即可。

Pycharm配置环境&本地训练yolov5(车辆检测)

2、安装所需要的库

yolov5-master中有个requirements.txt

在终端中输入:

pip install -r requirements.txt

pycharm会自动帮你安装所需要的库,非常方便

Pycharm配置环境&本地训练yolov5(车辆检测)

3、运行detect.py验证

运行成功会生成 runs 文件夹

 Pycharm配置环境&本地训练yolov5(车辆检测)

可以看到结果:Pycharm配置环境&本地训练yolov5(车辆检测)


4、修改yolov5命令行参数

根据我们训练的要求,修改命令行参数,在 train.py

只需要修改三个地方:

Pycharm配置环境&本地训练yolov5(车辆检测)

第一个参数yolov5s是在models里s、m、l几种不同大小的网络模型,s是最基础的也是跑起来最快的,选择一种。

同时在对应的yaml中修改分类数

Pycharm配置环境&本地训练yolov5(车辆检测)

第二个参数mydata.yaml,这是需要自己新建的

Pycharm配置环境&本地训练yolov5(车辆检测)     Pycharm配置环境&本地训练yolov5(车辆检测)

前两行是路径,后为分类数,和各自标签。

我的数据集是放在:Pycharm配置环境&本地训练yolov5(车辆检测)

三、开始训练

 运行train.py,开始训练

 Pycharm配置环境&本地训练yolov5(车辆检测)

Pycharm配置环境&本地训练yolov5(车辆检测)

四、训练结果

训练后会生成runs,里面的train文件夹中是训练结果,有这么多东西

Pycharm配置环境&本地训练yolov5(车辆检测)

weights中best.pt是最好的结果的权重,用它来做测试

修改detect.py中的命令行参数

Pycharm配置环境&本地训练yolov5(车辆检测)

把需要测试的图片放在data/images中,生成的结果还是在runs/detect/中

注意的是,yolov5给了丰富的接口Pycharm配置环境&本地训练yolov5(车辆检测)

直接放mp4也可以,他会自己截成一帧帧再检测,最后再换你一个mp4

over

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
社会演员多的头像社会演员多普通用户
上一篇 2023年3月10日 上午8:39
下一篇 2023年3月10日 上午8:41

相关推荐