YOLOv5目标检测模型

环境配置

1、安装Anaconda

打开命令行输入conda -V检验是否安装及当前conda的版本

2、conda常用的命令

1）conda常用的命令

conda list

2）查看当前存在哪些虚拟环境

conda env list
conda infor -e

3）python创建虚拟环境

conda create -n your_env_name python=x.x

4）虚拟环境的删除

conda remove --name $your_env_name $package_name

数据标注

1、安装labelimg软件

pip install labelimg

直接在命令行输入lableimg就可以进入

2、操作流程

1. 修改数据输入格式，将数据转换为yolo
2. 使用open dir去选择图片文件夹(包含图片的文件夹)
3. 选择保存标注后的文件夹 change Save Dir
4. 我们在图片上直接拖动鼠标标注物品，并输入物品类别，标注结束后，点击Next Image就可进入下一张图片

需要注意的是标注文件和图片文件对应的名称是相同的，同时在保存标注数据的文件夹中由 "classes.txt" 其中包含着所有的类别名

同时标注数据为[目标类别，中心点_x，中心点__y, 宽，高](经过归一化处理)

模型的训练验证和使用

1、修改数据集配置文件yaml文件

如上图所示，我们需要在data文件夹下创建自己的yaml数据文件

train: 训练数据文件路径（使用反斜杠/）
val: 验证数据文件路径

nc: _  # number of classes

# class names
name: ['mask','face']

2、修改模型的配置文件

我们在model文件夹中修改我们需要的模型，并修改识别类型数量

即nc.

3、训练模型

python train.py --data mask_data.yaml--cfg mask_volov5s.yaml --weights pretrained/yolov5s.py --epoch 100 --batch-size 4 --device cpu

我们就可以直接在终端中开始训练模型，并设置各种参数。

4、训练得到的结果

训练得到的新模型得到的模型参数，我们可以在runs目录下找到，run文件夹中存在着train模型，其中会有weights文件夹存放着最好表现的模型，以及训练最后的模型。

如果需要单独对模型进行验证机评估，我们可以调用val.py文件，并且传入对应的参数，如

python val.py --data data/mask_data.yaml --weights runs/train/exp_yolov5s/weights/best.py --img 648

源码解读

yolov5的源码写的十分精彩，有需要的同学可以在B站找到“科科带你学”Up主的yolov5源码解读系列，讲解的特别好，小哥哥的声音也贴别好听，有需要可以移步B站。