Yolov5 安装详细教程及目标检测和识别 |
您所在的位置:网站首页 › 怎样下载安装pdf › Yolov5 安装详细教程及目标检测和识别 |
文章内容: 1.在 Anaconda 环境下,进行目标检测程序(Yolov5)的下载及安装,实现 Yolov5 的整体安装; 2.通过调用手机摄像头进行简单的目标检测和识别。 目录 1 任务目标2 任务环境3 Yolov5 下载安装3.1 下载 Yolov53.2 下载 Yolov5 预训练模型3.3 安装Yolov5 4 测试 Yolov54.1 图片检测4.2 视频检测4.3 调用摄像头检测4.4 调用手机 IP 摄像头检测 5 总结6 参考资料 1 任务目标 实现目标检测程序的下载及安装,了解目标检测程序的开发过程和环境;完成简单的目标检测,掌握移动 IP 摄像头对目标场景的检测方法。 2 任务环境 设备:PC( Windows系统 )、手机环境:Anaconda 环境 安装 Anaconda 环境并新建虚拟环境可以移步到我的另一条博文:Python 环境资源配置 3 Yolov5 下载安装 3.1 下载 Yolov5在下载配置 Yolov5 之前,需要先安装好 Anaconda 环境,新建虚拟环境,并进入。 这里我之前已经创建好了名为“ PyCharmLearningProject ”的虚拟环境。(名字不重要) 通过“win+R”进入命令提示符 输入命令“ activate PyCharmLearningProject ”进入虚拟环境 下载 Yolov5 源码 Yolov5 Github下载地址:https://github.com/ultralytics/yolov5 直接 git clone 到本地工作目录。 在刚才的命令窗口输入命令: “ git clone https: //github.com/ultralytics/yolov5 ”, 等待下载完成。 下载后可以看到目录架构: 3.2 下载 Yolov5 预训练模型这是已经训练好的权重参数数据,可以直接使用,就不用在本机再做练习了。 进入下载地址:https://github.com/ultralytics/yolov5/releases 可以看到如下界面: 找到最新的 release ,点击下面的 Assets 下载 .pt模型文件。 其中,yolov5 共有四种模型:yolov5s、yolov5m、yolov5l、yolov5x。其中 yolov5s 目标检测速度最快,因为其网络参数最少,但相应的,检测效果相比是最差的;而 yolov5x 是检测效果最好的,参数最多,而时间上最慢。 可以根据需要选择模型文件下载到 yolov5 源目录。 下载完可以看到,我选择了四个都下载到了 yolov5 目录下。如下: 注意:在之后通过 detect.py 对图像进行目标检测的实际操作时,detect.py 默认使用同目录下的 yolov5s.pt 模型,如果想用其他的模型,可以在命令里加入调用来指定。 3.3 安装Yolov5源码下完后,下面开始安装Yolov5所需模块。 先在命令行里打开 yolov5 目录 输入:“cd yolov5” 接着在命令行里, 输入“pip install -r requirements.txt”,等待安装完成即可。(pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 命令会更快!!)由于 requirements.txt 依赖包里默认安装的 pytorch-cpu 版,如果有 cuda 可以安装 pytorch-gpu 版:https://pytorch.org/get-started/locally/ , 提升速度。 在官网里下载 pytorch-gpu 速度会比较慢,快速下载具体操作可以参考这篇博客:安装Torch GPU版本注意:这里我们最好安装 GPU 版本。亲测发现使用 GPU 版大大提升了运行速率,相比于 CPU ,GPU 对视频的检测速率提升了近10倍!(不同设备的运行速率可能不同) 将下面的命令在命令行输入执行即可完成安装 torch 的 GPU 版本。 到这里,Yolov5 就全部安装完成。 4 测试 Yolov5 4.1 图片检测 在目录里准备好图片 通过 detect.py 对图像进行目标检测: python detect.py --source ./data/images/1.jpg可以看到处理时间只有 0.03 s。 结果可以再“ yolov5\runs\detect ”里找到 对比效果如下: 4.2 视频检测 在目录里准备好图片 通过 detect.py 对视频进行目标检测: python detect.py --source data/video/luhan.mp4可以看到处理时间只有 0.01 s左右。 结果可以再“ yolov5\runs\detect ”里找到 效果如下:检测出的视频效果还是可以的,清晰度也是有的,只是我这里上传的是压缩之后的动图,看起来有些模糊。 4.3 调用摄像头检测 使用本机摄像头检测 输入命令: python detect.py --source 0可以看到处理时间只有 0.02 s左右。 结果可以再“ yolov5\runs\detect ”里找到。 4.4 调用手机 IP 摄像头检测手机上的准备: 在手机上下载 IP 摄像头,并安装。 安装步骤具体可以移步到我的另一篇博客:Python+OpenCV 调用手机摄像头并实现人脸识别。这里不再赘述。 在命令行进入虚拟环境:PyCharmLearningProject 进入 yolov5 目录,输入:“cd yolov5” 调用手机摄像头 命令行输入: “python detect.py --source http://admin:[email protected]:xxxx”; 即可调用执行。 注意:命令中的 admin 为我的 IP 摄像头用户名,admin 为我的 IP 摄像头密码,这个可以在IP摄像头 APP 的设置里查看和修改,代码中的要使用自己的用户名、密码。@后面的地址是局域网 IP地址,这个在打开 IP 摄像头服务器之后的界面就能看到,也需要修改为自己的地址。 检测效果: 可以看到,成功调用了手机摄像头,并实现目标检测。每帧图片速率大约 0.02 秒左右,检测速度和识别率都很好。 5 总结这篇文章主要是完成目标检测程序的安装,在 Anaconda 环境下,进行目标检测程序(Yolov5)的下载及安装,实现 Yolov5 的整体安装;通过调用手机摄像头进行简单的目标检测和识别。 以后可以试着自己打标签,训练一些模型用以准确检测识别更多的目标。 文章内容如有问题或疑问,敬请读者指正。 6 参考资料半小时搞定Yolov5安装配置及使用(详细过程) |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |