网站建设赚钱么,阿里云投数亿资源扶持中小网站迁移服务器,静态网页设计作品欣赏,杭州市建设工程招标投标网之前介绍了YOLO-V1~V4版本各做了哪些事以及相较于之前版本的改进。有的人或许会想“直接学习最近版本的算法不好吗”#xff0c;在我看来#xff0c;每一个年代的版本/算法都凝聚着当年学术界的智慧#xff0c;即便是它被淘汰了也依旧有值得思考的地方#xff0c;或是可以使…之前介绍了YOLO-V1~V4版本各做了哪些事以及相较于之前版本的改进。有的人或许会想“直接学习最近版本的算法不好吗”在我看来每一个年代的版本/算法都凝聚着当年学术界的智慧即便是它被淘汰了也依旧有值得思考的地方或是可以使我们对后续算法的改进/提出的缺点有更深的理解进而“凝百家之长”真正开出道花结出道果有自己的感悟。V4出现后紧接着V5版本就出现了相比于之前版本V5出现时没有论文去介绍它怎么做的。V5像是把V4做了更好的实现即思想算法上没有太大的变化更像是一个“实际的偏工程的项目”。直到如今YOLO-V5也十分经典。本文与前几篇主讲算法不同本文教大家如何下载和使用YOLO-V5。有时间的话我会从其源码的角度进行一遍梳理(或许吧不懒的话)。前面也说过了具体算法和流程与V4无太大区别主要是更好的实现。一、YOLO-V5下载ultralytics/yolov5: YOLOv5 in PyTorch ONNX CoreML TFLite (github.com)点击上方链接直接下载即可下载完成后解压打开Pycharm新建一个目录下载requirements里面的依赖pip install -r requirements.txt值得一提的是YOLO-V5要配合python3.7pytorch1.7的版本使用会用到里面的优化算法所以大家自行选择一个更高的版本吧。比如我这里直接选择anaconda里之前下载的torch1.10。二、下载、配置数据集和下载预训练模型2.1 下载数据集他这里用的是COCO数据集这玩意比较大我们也没必要下载了下载个小的玩一玩可以去这里Computer Vision Datasets (roboflow.com)下载物体检测相关的数据集样式比较丰富如检测汽车的、象棋的、动物的、人脸的等等。以口罩数据集为例大家也可以下载自己喜欢的点击Mask Wearing Dataset进去下载就行了。下载时会提示你选择格式下载完成后和V5放在同一级目录就行以train里的文件为例images则是训练所需的图片labels里则是对应名字图片的标签值如下1表示没戴口罩戴了就是0剩下四个则是框的坐标。当然有的有很多行毕竟一张图片里可能有很多人。找的越全recall越高越精准accuracy越高整体mAP越高。后续第一次去读数据的时候还会自动生成labels.cache缓存文件方便后续读取。2.2 配置数据集点开data.yaml可以看到train和val的相对路径到时候YOLO代码会直接读取自己记得确认一下路径是否正确路径问题比较基础这里就不讲了。如果要做test就把test路径写进去就行。nc指类别的个数戴口罩和不带口罩[mask, no-mask]2.3 下载预训练模型咱们简单下载个5s就行了https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt下载完成后放到yolov5-master文件夹里。三、配置demo参数参考这里--data ../MaskDataSet/data.yaml --cfg models/yolov5s.yaml --weigths ./yolov5s.pt --batch-size 24我们之前下载了预训练模型yolov5s.pt用的话就加上不用就--weights 当然还有一些参数可选源码里有默认值我们先用这些。四、训练做好上面那些后在yolov5-master的train.py里直接run就行了。刚开始可能报错我看是他第一次执行会去github上下载标记字体然后没连接进去。解决办法就是自己点进去那个报错下载的连接自己下载就行了下载完放到上面那个文件夹里。之后再进行run它默认会跑100个epoch也可以自己设置。这里就训练完了上图告诉你 结果在runs\train\exp23那里即最后最新跑的一次。可见生成了权重文件和一些图片。results.csv里面是一些标注和统计数据至于生成的图片这里简单展示几个五、检测进入detect.py 直接右键run的话由于下载的yolov5-master的时候它自带测试图片和权重文件也填写了默认路径所以不会报错直接跑的话你会看到结果里这和我们刚刚train那步没有一点关系都是它自带的一开始不用训练就能玩的。我们活学活用刚刚训练的是是否戴口罩所以我们不妨也自己改一下参数其中 -- source 后可以是图片 视频 文件夹 路径url等我这里让它测试有没有戴口罩就用上面这两张图片的路径吧即不修改source了不过我在里面又加了两张图片修改参数--weights ./runs/train/exp23/weights/best.pt --conf 0.4 --data ./MaskDataSet/data.yaml这里我修改了权重文件 毕竟之前用的是自带的yolov5s.pt而这个best.pt是我们通过自己下载的预训练模型yolov5s.pt的基础上训练出来的用于检测是否带口罩了的权重文件。 conf是置信度想改就改。run完后发现实际效果还行但黑人那里不行不过毕竟我们训练的数据就100多张里面我看了也没有黑人情有可原它可能在面部颜色差异上占比很大。我又找了几张试了试 发现就是数据的问题不过问题不大我们本次的目的就是先学会简单使用他们的代码。可以把source那里换成视频玩一玩试一试。六、题外话希望本篇文章能够对你有所帮助如果你是连GPU版本的torch都还没下载过的小白建议一步步来。大家也可以换点别的数据集、参数来自己跑一跑玩一玩同时感兴趣的小伙伴也可以开始在了解其算法的情况下简单读读源码了我下一期或许会写一篇V5的源码引导文章。
