从零开始学习YOLOv5 保姆级教程 |
您所在的位置:网站首页 › 如何从零基础学电脑 › 从零开始学习YOLOv5 保姆级教程 |
一、前言
YOLO系列是one-stage且是基于深度学习的回归方法,而R-CNN、Fast-RCNN、Faster-RCNN等是two-stage且是基于深度学习的分类方法。 YOLOv5是一种单阶段目标检测算法,该算法在YOLOv4的基础上添加了一些新的改进思路,使其速度与精度都得到了极大的性能提升 Input: 输入部分是YOLOv5的起点,接收输入图像并将其进行预处理,将图像大小调整为模型所需的输入尺寸。 Backbone: 骨干网络是YOLOv5的核心组成部分,负责从输入图像中提取特征。YOLOv5使用的骨干网络是一种轻量级的卷积神经网络,如CSPDarknet53或Swin-Transformer,具有良好的特征提取能力。 Neck: Neck部分是YOLOv5中的特征融合模块,用于融合不同层级的特征图。常用的脖子结构包括特征金字塔网络(FPN),用于增强目标的多尺度表示和语义信息的融合。 Output: 输出部分是YOLOv5的最终预测结果生成模块,通过在不同尺度的特征图上应用一系列卷积层和激活函数,输出目标的位置坐标、类别概率和置信度。根据预测结果进行后处理,如非极大值抑制(NMS),用于过滤和合并重叠的边界框,得到最终的检测结果。 源码下载地址 ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com) 二.环境配置最新Anaconda安装-保姆级教程 Pytorch安装教程:最新保姆级教程 完全零基础的可以先看下博主的这两篇文章先做好基础准备 2.1.创建环境打开命令行,输出cmd,在终端输入一下命令 conda create -n yolov5 python=3.8# yolov5为所创建虚拟环境名称;python版本可以更换 推荐用3.8,不容易报错。 第一次建可能需要一些时间 2.2环境内配置pytorch激活环境 conda activate yolov5配置pytorch pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple这是换好源的下载链接,如果20分钟内没有下载完,需要考虑是不是有地方出错了,正常10分钟左右搞定。 验证是否成功 python import torch print(torch.__version__) print(torch.cuda.is_available())输出为 ture就成功了 2.3.环境依赖安装yolov5 依赖包和环境一键安装 如果你的电脑里有多个requirements.txt文件,需要cd 到指定的文件夹下载之星以下命令。 pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/这时你打开你下载的YOLOv5的模型应该就能跑了。 三.运行YOLOv5 打开detect.py parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path or triton URL') parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob/screen/0(webcam)') 只需要注意这两个参数:如下图所以,正常情况是不需要动的 source :指向的是图片地址 weights:是权重参数 yolov5s.pt文件需要去官网下载官网的界面往下翻 点击你想下载的权重文件,这边可以直接下载yolov5s就可以了 下载完直接放在最外边就可以了,如果读取不了,就用绝对路径。 run 运行 按照提示找到保存图片的地方
至此,yolov5版的hello world就成功了 有遇到问题的小伙伴,欢迎评论区留言 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |