一、实验目的
本节视频的目的是了解YOLOv5模型的用途及流程,并掌握基于YOLOV5算法实现物体识别的方法。
二、实验原理
YOLO(You Only Look Once!)
YOLOv5 是一种非常流行的实时目标检测模型,它提供了出色的性能和精度。YOLOv5可以分为三个部分,分别是:
1、主干特征提取网络(Backbone)
2、加强特征提取网络(FPN)
3、分类器与回归器(Yolo Head)。
整个 YOLOv5 网络所作的工作就是:
特征提取-特征加强-预测特征点对应的物体情况。
YOLOv5目标检测流程
YOLOv5 开发流程如下:
(1)安装 YOLOv5 和相关依赖
确保安装了所有必要的依赖。这通常包括 torch、torchvision 和 opencv-python。
(2)下载预训练模型
YOLOv5 提供了多个预训练模型,可以从官方仓库或相关资源中下载。
(3)编写 Python 脚本进行目标检测
编写一个 Python 脚本来加载模型并对图像或视频进行目标检测。
三、操作现象
实验设备
本实验中使用的软件为VMware17+Ubuntu18.04.4 和串口调试工具Xshell。