Pycharm配置环境&本地训练yolov5(车辆检测) |
您所在的位置:网站首页 › pycharm环境配置清单 › 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 一、数据集准备 二、项目配置 1、安装pytorch和cuda,并创建新项目 2、安装所需要的库 3、运行detect.py验证 4、修改yolov5命令行参数 三、开始训练 四、训练结果 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 每个文件夹中对应图片和标签 txt内部格式: 原文: 我的数据集:
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。 yolov5-master中有个requirements.txt 在终端中输入: pip install -r requirements.txtpycharm会自动帮你安装所需要的库,非常方便 运行成功会生成 runs 文件夹 可以看到结果: 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: 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 第二个参数mydata.yaml,这是需要自己新建的
前两行是路径,后为分类数,和各自标签。 我的数据集是放在: 运行train.py,开始训练 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 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 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 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 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |