YOLOv5 从配置到部署

最新推荐文章于 2025-10-29 22:26:36 发布

原创

最新推荐文章于 2025-10-29 22:26:36 发布 · 1.3w 阅读

96 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #目标检测

本文详细介绍了YOLOv5的安装、数据集准备、标注、训练和部署过程。针对Ubuntu系统，提供了conda环境和无conda环境的安装步骤，包括CUDA和CUDNN的安装。数据集标注推荐使用labelImg，并提供了Roboflow作为在线标注的选项。训练部分讲解了本地训练和使用Google Colab进行云训练的方法，强调了训练参数的选择和模型保存。最后，给出了使用官方detect.py和Cmoon的Detector.py进行部署的步骤。

YOLOv5

一. 简介

You only look once!
单阶段目标检测(Faster RCNN 双阶段)
快速
精度较高
使用方便
https://github.com/ultralytics/yolov5

二. 安装 (Ubuntu)

1. 下载源码

git clone git://github.com/ultralytics/yolov5.git
cd yolov5

2. 配置环境

有conda环境(推荐)

conda create -n py38 python=3.8
conda activate py38
pip install -r requirements.txt

无conda环境(需要Python3.8或3.6)
```
pip3 install -U -r requirements.txt
```

3. 下载权重

官网下载(能上Github)
1. https://github.com/ultralytics/yolov5
2. 点击右侧Releases
3. 最下方Assets中点击下载相应模型
Cmoon复制
```
git clone git://github.com/Cmoon-cyl/ros-module.git
```
将ros-module/cmoon/src 中的weights文件夹复制到yolov5文件夹

4. 使用GPU(英伟达显卡)

安装显卡驱动
安装CUDA以及CUDNN
参考博客:

https://blog.youkuaiyun.com/weixin_45294823/article/details/104119863?spm=1001.2014.3001.5501

三.测试

python3 detect.py --source 0 --weights weights/yolov5s.pt

四.数据集

1.准备

新建dataset文件夹 (名字可自定义)
新建images和labels文件夹 (名字不能错)
images和labels内分别新建train和val文件夹 (名字不能错)
将准备的图像按大致8 : 2随机分配,放入images的train和val文件夹内,作为训练集和验证集
labels文件夹将存放之后生成的txt格式标签
如图:

2.标注：

labelImg（img的i大写，其他小写）
1. 安装
```
pip install labelImg
```
2. 打开
```
la
```

最低0.47元/天解锁文章