首页 > 其他分享 >深度学习-卷积神经网络-目标检测YOLO-v5-训练以及推理-57

深度学习-卷积神经网络-目标检测YOLO-v5-训练以及推理-57

时间:2024-03-26 10:36:02浏览次数:38  
标签:yolov5 torch 05 -- 57 YOLO github v5 learning

目录

1. 下载 代码

https://github.com/ultralytics/yolov5/releases

2. 创建虚拟环境 安装依赖

python3.8
pip install -r requirements.txt

import torch

print('torch %s %s' % (torch.version, torch.cuda.get_device_properties(0) if torch.cuda.is_available() else 'CPU'))

如果是安装 GPU版本的pytorch ,注意先将已安装的torch卸载 pip uninstall torch再安装
pip install torch1.8.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision
0.9.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
安装ok之后如果机器有GPU 则会显示GPU信息

3. 数据集的准备


test

  • images
  • BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd001.jpg
  • BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd002.jpg
  • ...
    • labels
  • BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd001.txt
  • BloodImage_00001_jpg.rf.1a3206b15602db1d97193162a50bd002.txt
  • ...
    train
    • images
    • labels
      valid
    • images
    • labels

看一下其中的一条img 与label
image:

label:

4. 配置data.yaml

5. 修改模型网络的配置文件

只需要将项目中的custom_yolov5s.yaml 复制一份 修改一下 nc:3

6. 下载一份预训练的模型权重文件 放在根目录

7. 开始训练

python ./train.py --img 416 --batch 16 --epochs 500 --data D:\05-learning\15-learning-ai\05-github\yolov5\data\BCCD.v4-416x416_aug.yolov5pytorch\data.yaml --cfg D:\05-learning\15-learning-ai\05-github\yolov5\data\BCCD.v4-416x416_aug.yolov5pytorch\custom_yolov5s.yaml

如果遇到虚拟内存大小不足,将虚拟内存调大即可。

8. 结果

项目目录下会生成runs文件夹 结果都放在里面
混淆矩阵
PR 曲线
Loss 和 mAP 指标变化

9. tensorboard查看训练

tensorboard --logdir D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp
浏览器访问 http://localhost:6006/ 即可打开

10. 推理

训练完成后模型被保存在 weights 文件夹中
D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp\weights

  • best.pt
  • last.pt
    python detect.py --weights D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp\weights\best.pt --img 416 --conf 0.4 --source D:\05-learning\15-learning-ai\05-github\yolov\data/BCCD.v4-416x416_aug.yolov5pytorch\test\images

推理结果保存在 detect 文件夹中
D:\05-learning\15-learning-ai\05-github\yolov5\runs\train\exp

标签:yolov5,torch,05,--,57,YOLO,github,v5,learning
From: https://www.cnblogs.com/cavalier-chen/p/18096019

相关文章

  • 【YOLOv5改进系列(4)】高效涨点----添加可变形卷积DCNv2
    可变形卷积......
  • CSCI 5708移动计算
    CSCI4176/CSCI5708移动计算截止日期:2023年11月14日星期日下午11点59分提交:在Brightspace请阅读-所有课业的一般重要说明:•对于要求您进行在线搜索的研究类型ques/ons或ques/ons,请确保您的答案中正确引用了所有参考文献。使用IEEE参考样式。•请记住,不能仅仅因为引用了参考文......
  • YOLOv8-Seg改进:多创新点魔改设计 | 双层路由注意(BRA)+广义特征金字塔网络(GFPN)+多头检测
    ......
  • yolov9学习笔记
    一、准备工作1、github下载yolov9代码WongKinYiu/yolov9:Implementationofpaper-YOLOv9:LearningWhatYouWanttoLearnUsingProgrammableGradientInformation(github.com)2、下载anaconda国内镜像下载:Indexof/anaconda/archive/|清华大学开源软件镜像站......
  • yolov8云服务器快速部署
    1.进入服务器官网后注册并登录https://www.autodl.com/home2.根据实际情况进行选择3.进行配置4.进入yolov8环境中5.进入终端在ultralytics文件夹下使用pythontrain_v8.py命令即可运行测试用例......
  • YoloV5、ShuffleNetV2、YoloV5-Lite网络概述
    前言前段时间需要在树莓派上部署一个深度学习环境,先试了YoloV5,fs基本才0.3,远远达不到要求,于是就尝试了一下轻量化网络,试过mobileNet系列+YoloV4,fps有所提升,大概能达到0.9左右,但还是比较慢,于是就发现了YoloV5-Lite这个轻量化网络,极大地加速了fps,基本能达到3左右,因此详细了解了......
  • 【保姆级教程】YOLOv8目标检测:训练自己的数据集
    一、YOLOV8环境准备1.1下载安装最新的YOLOv8代码仓库地址:https://github.com/ultralytics/ultralytics1.2配置环境pipinstall-rrequirements.txt-ihttps://pypi.tuna.tsinghua.edu.cn/simple二、数据准备2.1安装labelme标注软件pipinstalllabelme2......
  • 【保姆级教程】YOLOv8_Track多目标跟踪,快速运行
    一、YOLOV8环境准备1.1下载安装最新的YOLOv8代码仓库地址:https://github.com/ultralytics/ultralytics1.2配置环境pipinstall-rrequirements.txt-ihttps://pypi.tuna.tsinghua.edu.cn/simple二、下载测试视频,预训练权重测试视频链接:https://pan.baidu.c......
  • YoloV8改进策略:Block改进|ECA-Net:用于深度卷积神经网络的高效通道注意力|ECA+压缩膨胀
    摘要arxiv.org/pdf/1910.03151.pdf最近,通道注意机制已被证明在改善深度卷积神经网络(CNN)的性能方面具有巨大潜力。然而,大多数现有方法致力于开发更复杂的注意模块以实现更好的性能,这不可避免地会增加模型的复杂性。为了克服性能和复杂性折衷之间的矛盾,本文提出了一种有效......
  • YOLOv9有效改进|加入CVPR2020的Bifpn。
    专栏介绍:YOLOv9改进系列|包含深度学习最新创新,助力高效涨点!!!一、论文摘要        Bifpn是RT-DETR中使用的特征提取模块。二、Bifpn模块详解 2.1模块简介       Bifpn: 重复加权双向特征金字塔网络 。本文用于替换YOLOv9中的FPN+PAN结构。三、 ......