YOLO V5 实战

开源地址：https://github.com/ultralytics/yolov5

1. 数据准备

      数据跟yolo v3的数据格式一样准备，参考我的博客！

2. 修改配置参数

      1. 修改data/cat_detect.yaml里面的图片路径、类别数量和类别名称。我检测车辆（一类），修改后的配置文件如下：

train: /home/car-side/data/custom/images/
val: /home/car-side/data/custom/images/ 

# number of classes
nc: 1

# class names
names: ['car']

     2. 开始训练模型，训练一下命令：

python train.py --data data/car_detect.yaml --cfg yolov5s.yaml --weights '' --batch-size 16

        不出意外，你的模型就开始训练了，模型和训练日志保存在runs/exp里面。

3. 模型测试

      运行一下命令进行模型测试：

python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4

      把./inference/images/ 换成你自己的图片路径，把yolov5s.pt换成你模型的路径即可。

      图片测试的结果保存在./inference/output/文件夹下。

4. 测试效果

Caption

Caption

整体来说，效果还是不错的，速度和精度均满足要求，而且走完整个流程没有遇到任何bug!!!

喜欢就给博主点个赞吧！