超详细使用YOLOv5网络来训练自己的数据集目标检测模型并实现目标检测

您所在的位置：网站首页 › 训练自己的声音模型叫什么名字 › 超详细使用YOLOv5网络来训练自己的数据集目标检测模型并实现目标检测

超详细使用YOLOv5网络来训练自己的数据集目标检测模型并实现目标检测

2024-07-05 11:20| 来源: 网络整理| 查看: 265

目录 1.虚拟环境的配置1.1虚拟环境的创建1.2所需库的安装1.3 放入yolov5s.pt模型文件1.4测试目标检测是否能正常运行 2.配置数据集路径文件3.配置模型文件4.修改训练文件参数5.开始训练及成果6.使用自己训练的模型进行目标检测本文章以瓶盖检测为例,教大家使用yolov5训练自己的数据集模型,并使用该模型进行目标检测.

在进行本文学习时应该准备好以下内容:

完成anaconda的安装链接: 超详细版Anaconda的安装及使用conda创建、运行虚拟环境以及使用镜像源完成数据集的标注和划分链接: yolo模型训练所需的数据集的划分教程可以成功运行yolov5的目标检测(本文也会教) 链接: 使用YOLOv5模型进行目标检测安装CUDA与CUDNN(没有独显的同学可以跳过) 链接: CUDA,CUDNN的安装教程,让你可以使用Pytorch GPU显卡来跑程序

如果已经可以成功运行上面第三步目标检测,则可以跳过第一步,从2.1大步开始

1.虚拟环境的配置 1.1虚拟环境的创建

在win+R中打开cmd 输入以下代码创建一个名为yolov5s,python3.8版本的虚拟环境名称和版本可以更改,但版本不要超过3.9,否则很多库都不兼容

conda create -n yolov5s python=3.8

在这里插入图片描述等待之后出现以下输出则表示以及创建好,如果没创建好,可能是anaconda没用安装配置好,可以看完之前的文章链接: 超详细版Anaconda的安装及使用conda创建、运行虚拟环境以及使用镜像源输入以下代码进入到环境中

conda activate yolov5s

在这里插入图片描述

1.2所需库的安装

我们找到yolo的文件夹,复制文件夹的路径在cmd中 cd 此路径

cd C:\Users\Apzzed\Desktop\AI\yolov5-master

在这里插入图片描述然后输入以下代码,即可自动下载安装所有需要的库

pip install -r requirements.txt

在这里插入图片描述

如果下载速度过慢,可能会导致报错,可以复制下面代码(中科大源)到cmd中运行,然后在重新进行上面下载库的步骤

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/

耐心等待安装完成,如果出现黄色警告不要紧,出现红色才表示有错误

1.3 放入yolov5s.pt模型文件

把yolov5s.pt文件放入yolo文件夹的根目录下在这里插入图片描述

1.4测试目标检测是否能正常运行

输入下面代码运行 source后的0代表用默认摄像头,也可以改为其他图片的路径 weights 后的文件表示用yolov5s.pt模型处理(要保证第一步中yolov5s.pt放在文件夹的根目录下)

python detect.py --source 0 --weights yolov5s.pt

也可以用pycharm打开detect.py,翻到最下面找到这两行,更改参数再运行,注意用pycharm运行时注意右下角环境选择好你刚才创建的环境在这里插入图片描述想要关闭时,如果再cmd 中运行,按ctrl+c 强制关闭;pycharm中按ctrl+F2或停止按钮关闭至此环境配置已经完成

2.配置数据集路径文件

在data文件夹下.找到coco128.yaml文件,将他复制并粘贴到同目录下,并给他改一个名字,我把名字更改成cap.yaml并在pycharm中找到这个文件打开在这里插入图片描述如下图所示,下面五个部分都需要更改

path代表你的yolo的根目录路径train代表你的训练集路径val代表你的验证集路径,这俩个都是之前数据集划分后得来的文件夹 *注意路径都要手动改成右斜杠才行,并注意在最后有没有再加一个右斜杠nc表示你一共有多少个标注类型的数量下面name中表示你的各个标注类型的名称,这里我只有一个标注名为cap的 3.配置模型文件

在models文件夹中有一个yolov5s.yaml的文件,打开它在这里插入图片描述这里只需要更改标注类型的数量即可,数量与上一步保持一致

4.修改训练文件参数

打开yolo根目录下的train.py文件在这里插入图片描述往下滑到四百多行,找到这些代码需要更改第一行时训练的权重文件,我们选中之前放进来的yolov5s.pt文件第二行时是第三步中我们更改的文件的路径第三行是第二布中我们更改的文件的路径下面epochs指的是你要训练多少代,如果你是用cpu跑的,建议10代就好,速度快一些,当然越多代最终效果越好在这里插入图片描述再往下翻这个works该小一点,不然容易爆内存错误,0也可以