使用YOLOv5-Lite在树莓派4b上部署车辆检测模型（二）——使用数据集训练模型

目录

一、配置环境

二、数据集的准备

三、模型训练与测试

1.模型训练

2.模型测试

四、Tips

参考博文

---

一、配置环境

YOLOv5-Lite项目：GitHub - ppogg/YOLOv5-Lite: 🍅🍅🍅YOLOv5-Lite: Evolved from yolov5 and the size of model is only 900+kb (int8) and 1.7M (fp16). Reach 15 FPS on the Raspberry Pi 4B~

安装好pytorch后在项目目录下执行 pip install -r requirements.txt 即可完成环境配置。pytorch的安装可参考：PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili 课程的P1-P3

前置知识：了解最基本的项目环境配置、模型推理、模型训练，如果不了解这些操作可以先学习一下这个视频目标检测 YOLOv5 开源代码项目调试与讲解实战【土堆 x 布尔艺数】_哔哩哔哩_bilibili

二、数据集的准备

        以上一篇文章的UA-DETRAC数据集为例，处理好的数据集路径树如下所示：

UA-DETRAC_yolo

├── UA-DETRAC_train

│      ├── images

│      └── labels

└── UA-DETRAC_test

        ├── images

        └── labels

       yolov5要求数据集的格式为yolo txt格式，在上一篇文章中已经将UA-DETARC数据集转成了这种格式。其中UA-DETRAC_train是训练集，UA-DETRAC_test是测试集。

        一般来说，符合yolov5需要的yolo txt格式的数据集会有images和labels两个文件夹，分别存放图片和标注，标注文件为txt格式，标注文件的内容举例如下图所示。

标注文件中的每一行都表示图片中的一个目标，每行的第一个数表示目标的类别，后面四个数依次表示框住目标的边框的x_center、y_center、w、h，即边框的中心x坐标、中心y坐标、边框宽度、边框高度。