Android端 可使用Yolov5训练 路标识别

相信大家对于路标识别，红绿灯识别，图形识别opencv中也是一件烦人的事情，其参数是及其受到现实环境因素的影响的，那么今天我就给大家推荐一种方式，缺点是周期长，但其优点是如果训练效果好久对于环境的各种变化的适应性增强了。

目录

一、环境搭建

1.1 Python3.9

1.2 YOLOv5        

1.3 labelimg 

1.4 Cuda

1.4.1 安装Cuda

1.4.2 pytorch下载

1.4.3 运行

1.5可能遇到的问题

二、开始工作

2.1 训练模型

2.1.1 创建训练的数据集（图片+标记好的txt文件）

2.1.2 类别声明 以及 数据集目标指引

2.1.3 超参（根据自身需要注意改的地方即可）

2.2 预测模型

三、我们可以部署在安卓移动端 --tflite

---

一、环境搭建

1.1 Python3.9

我们需要使用Anaconda3创建一个Python3.9的环境，这是为了后续方便使用labelimg进行数据标记和yolov5中需要的pytorch对应需要的环境   

我的环境变量的导入信息

Py3.9的包

1.2 YOLOv5        

YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLitehttps://github.com/ultralytics/yolov5

 

下载好后在不包含中文目录的yolov5的cmd中运行下载其中指定包的版本

pip install -r requirements.txt -i  https://pypi.tuna.tsinghua.edu.cn/simple

1.3 labelimg 

在cmd中或者conda的管理员的控制台下，使用pip下载labelimg即可

pip install labelimg

如何标记标记顺序

1.4 Cuda

使用GPU训练项目（我们需要将YOLO中的框架修改下从默认的CPU训练转变成GPU训练模式）

或者这样查询

nvidia-smi

1.4.1 安装Cuda