YOLOv5快速入门（待续）

原创 已于 2024-03-21 21:24:14 修改 · 259 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #目标跟踪 #人工智能

于 2024-03-04 19:43:41 首次发布
部署运行你感兴趣的模型镜像

快速预览

一、YOLO简介

概述

YOLO（You Only Look Once）是一种流行的目标检测算法，由Joseph Redmon等人开发。YOLO
算法以其高效的实时性能和准确的检测能力而闻名。自YOLO的首次提出以来，已经经历了多个版本
的更新和改进。以下是YOLO发展史的简要概述：

YOLOv1（2015）
YOLOv1是YOLO系列的开山之作，它将目标检测问题视为一个回归问题，通过一个神经网络直接在
输入图像上进行预测，而不需要使用滑动窗口或区域提议的方法。它将图像划分为SxS的网格，每个
网格单元负责预测中心点落在该单元内的物体的边界框和类别概率。YOLOv1在速度和准确性之间取
得了很好的平衡，尤其是在实时目标检测任务中。

YOLOv2（也称为YOLO9000，2016）
YOLOv2在YOLOv1的基础上进行了改进，提高了检测速度和准确性。引入了批量归一化（Batch
Normalization）和锚框（Anchor Boxes）的概念，以更好地处理不同尺寸的物体。YOLO9000能
够检测多达9000个类别，通过结合ImageNet和COCO数据集进行训练。

YOLOv3（2018）
YOLOv3进一步优化了网络结构，提高了检测精度，尤其是在小物体和复杂场景中。引入了多尺度
预测和新的损失函数，如IoU损失，以改善模型性能。YOLOv3在COCO数据集上取得了显著的性
能提升。

YOLOv4（2020）
YOLOv4由Alexey Bochkovskiy等人开发，旨在实现最佳的速度和准确性。引入了多种新技术，如加
权残差连接（WRC）、跨阶段部分连接（CSP）、跨小批量标准化（CmBN）等，以提高模型的效
率和性能。YOLOv4在保持高速的同时，提供了与两阶段检测器相媲美的准确性。

YOLOv5（2020）
YOLOv5并非由原始YOLO作者团队发布，而是由其他研究者基于YOLOv4进行的改进。YOLOv5在
网络结构和训练策略上进行了优化，以提高检测速度和准确性。它提供了多种大小的模型，以适应
不同的计算资源和应用场景。

YOLOv6（2021）
YOLOv6由美团开发，继续在速度和准确性上进行优化。引入了新的特征金字塔网络（FPN）和注意
力机制，以提高对小物体的检测能力。

YOLOv7（2021）
通过引入新的网络架构和训练技巧，YOLOv7在保持高速的同时，提高了检测的准确性。YOLO系列
算法的发展展示了目标检测领域在速度和准确性方面的不断进步。随着技术的不断发展，YOLO算法
及其变体在计算机视觉和深度学习领域中的应用越来越广泛。

YOLOv8（2023）
YOLOv8的作者和YOLOv5的作者是同一家公司，YOLOv8 的具体创新包括一个新的骨干网络、一个
新的 Ancher-Free（无锚点）检测头和一个新的损失函数。YOLOv8 可以在从 CPU 到 GPU 的各种
硬件平台上运行，提供了一个全新的 SOTA（State of the Art，最先进）模型。YOLOv8 也支持全方
位的视觉 AI 任务，包括检测、分割、姿态估计、跟踪和分类。

二、基本环境

1.miniconda安装

miniconda简介
miniconda是管理python环境的一个工具，因为我的日常任务可能会用各种各样的工具，然而这些工
具需要的Python环境不一样，可能会出现不兼容的情况，所以我们使用mini来部署我们的Python环境
我使用基于Python3.8的miniconda版本（Miniconda3-py38_23.11.0-2-Windows-x86_64.exe）
下载地址如下

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py38_23.11.0-2-Windows-x86_64.exe

Miniconda常用命令
创建环境

conda create  -n y5 python=3.8

列出所有环境

conda env list

激活环境

activate y5

删除环境

conda remove --all -n y5

切换源

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/  --trusted-host https://mirrors.aliyun.com/pypi/simple/

2.安装CPU版本的Pytorch

Pytorch是一个深度学习框架，近些年来称为深度学习领域热门的框架之一，Pytorch有CPU版和GPU
版本。鉴于大家的GPU可能不一样，不同的GPU安装的CUDA不一样。为了统一，所以我这里只安装
CPU的Pytorch，安装代码如下

pip3 install torch torchvision torchaudio

三、下载YOLO代码&安装依赖&推理

安装依赖

同学们可以在Github找到YOLOv5的代码，现在YOLOv5已经迭代到5.7这个版本了，我们使用YOLOv
5.7这个版本来做演示，YOLOv5 .7源码地址如下：

https://github.com/ultralytics/yolov5/tree/v7.0

demo推理图片

demo推理视频

自定义数据集

安装labelme

自定义数据集

转换数据集

目标检测训练

目标检测推理

目标分割训练

目标检测推理

结语

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

【YOLOV5 入门】——Pyside6/PyQt5可视化UI界面&后端逻辑
weixin_51658186的博客
04-15 6824
安装完pyside6时其实一并安装了qtdesigner，这个工具可让我们以拖拽的方式设计界面，按下面方法找到这个工具放在桌面以便后续使用：终端输入： 现在用的虚拟环境是第二个，找到找到虚拟环境path/lib/site-packages/Pyside6/designer.exe
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
热门推荐
Limiiiing的博客
10-11 4万+
如今各种网络模型更新迭代越来越快，计算机视觉相关的文章也越来越多，多到一些普通，通用的改进点无法达到发表的要求。本专栏正是解决这个问题！如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。
快速上手YOLOv5：新手教程
m0_63292184的博客
03-23 3067
本教程将通过实验的形式，带领你快速掌握 YOLOv5 目标检测模型的训练过程。注：本次实验是在window环境下进行，且默认已经配置好python环境。
零基础入门AI: YOLOv5 详解与项目实战
最新发布
m0_75034893的博客
09-05 1919
YOLOv5（You Only Look Once version 5）是一个开源的目标检测框架，由 Glenn Jocher 及其团队开发，属于公司，在 GitHub 上发布。它是 YOLO 系列算法的第五代版本，旨在提供高效、灵活且易于使用的物体检测解决方案。相比于之前的版本，YOLOv5 引入了许多改进，使其成为工业界和学术界广泛采用的选择。YOLOV5并没有学术论文，是一个开源项目，是 Ultralytics 公司于 2020 年6月9 日发布的。
YOLOv5入门
yyjysh0216的博客
12-16 174
YOLOv5入门
YOLOv5-简单入门
2301_80873677的博客
08-29 477
python ./detect.py --weights yolov5s.pt --source data/images/bus.jpg #对某张图片进行模型检测，可以看到检测结果存放在了exp目录中。python ./detect.py --weights yolov5s.pt --source screen #对屏幕进行检测。# "./ "是模型所在的目录，source是本地显示。设置阈值，低于阈值分数的图像不会被显示出来。将标注后的图片放到一个文件夹中。以下是一些常见的参数。imgsz 图像大小。
YOLOv5快速入门
u010291330的博客
12-15 476
推理可以直接从 PyTorch Hub 运行，无需克隆存储库。必要的文件将下载到您的临时目录中。进行对象检测，请从您的存储库根目录运行此命令。如果您安装了多个版本的 python，请确保您使用的是正确的版本。创建带有对象检测叠加层的所有文件的副本。用于从连接的网络摄像头检测活动对象。使用对象检测覆盖创建所有文件的副本。从克隆的存储库根目录安装所需的包。创建带有对象检测叠加层的图像副本。创建带有对象检测叠加层的视频副本。用于从流中检测活动对象。用于从流中检测实时对象。用于从流中检测活动对象。
YOLOv5Face YOLO5Face人脸检测论文及代码简析
cliu1_16的博客
10-09 1万+
YOLO5face人脸检测模型论文和代码简析YOLO5Face模型分析论文及源码下载论文创新点实验下载代码跑起来还没想好写什么，但是一定会写参考文章 YOLO5Face论文发出以后，对YOLO5Face论文进行分析的文章较少，就想写一篇对YOLO5Face进行分析的文章，主要也是非常喜欢YOLO系列，博主也是刚刚入门人脸检测，写的就是一篇小白文，也第一次写文章，有不正确的地方希望大神们多多指正。and YOLO5Face模型分析 论文及源码下载 论文地址：https://arxiv.org/abs/210
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
Limiiiing的博客
12-24 8822
1️⃣本专栏已更新150多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行。2️⃣所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，紧跟学术热点，适应不同的任务场景。3️⃣团队内发表数篇SCI论文，熟悉完整的发表流程，订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容。4️⃣专栏内容会持续更新，最近更新时间：2024-12-24。项目介绍在大家购买专栏后，加入学
YOLOv12改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
Limiiiing的博客
03-10 1万+
1️⃣ 什么！不知道如何改进模型⁉️ 本专栏所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行，性价比极高。2️⃣ 找不到合适的模块⁉️ 所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，并进行二次创新，新颖度高，创新度高，能够适应不同的任务场景。3️⃣ 不确定自己改进的步骤、结果是否正确⁉️ 订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容，非常适合新手。4️⃣ 团队内发表数篇SCI论
YOLOv10改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
Limiiiing的博客
10-11 9288
如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。
YoloV5入门学习
weixin_47104238的博客
10-25 4387
YoloV5配置及视频识别
YOLOv5入门 | 环境配置模型训练完整教程（研0小白必备，手把手教学）
kay_545
05-08 4339
yolov5创新，yolov5环境配置，yolov8
Yolov5入门介绍（官网文档学习笔记）
buggggg_的博客
08-30 1224
yolov5是yolo的第五次迭代，旨在提供高速、高精度的目标检测模型。
零基础入门YOLOv5——从制作数据集到最终训练与测试
qq_46738367的博客
05-30 7890
零基础入门YOLOv5——从制作数据集到最终训练与测试 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录零基础入门YOLOv5——从制作数据集到最终训练与测试前言一、什么是YOLOv5二、如何制作数据集二、将数据集导入YOLOv5使用YOLOv5进行训练总结 前言 学习YOLOv5已经有两个月的时间了，这段时间走了不少的弯路，也看了很多文章，今天来简
【快速入门】YOLOv5目标检测算法
不积跬步，无以至千里！
03-01 3万+
简单快速入门YOLOv5秘籍！
YOLOv5基础知识入门（3）— 目标检测相关知识点
小哥谈
08-12 1726
为了让大家可以顺利地用YOLOv5进行目标检测实战，本节课就带领大家学习一下目标检测的基础知识点，希望大家学习之后有所收获！
yolov5 保姆级别教入门，不会就把我头打爆。
linxinloningg的博客
01-16 7118
yolov5 保姆级别教入门，不会就把我头打爆。
【YOLOv5目标检测教学】包括环境配置、数据集制作、模型训练、加载模型进行目标检测（超详细、小白入门版）
目标检测
11-13 1万+
本文将全面阐述yolov5目标检测使用教学，首先是配置yolov5的运行环境以及yolov5的代码下载，然后教学如何制作自己的目标检测数据集以及如何利用yolov5加载该数据集进行目标检测模型训练，最后教学如何通过yolov5加载训练好的模型进行目标检测以达到检测自己想要的目标功能！（本篇文章全程以花卉检测为例子进行讲解，对其他目标的检测基本一致！以上就是整个yolov5目标检测的详细教学啦，详细讲解了环境配置、数据集制作、模型训练、加载模型进行目标检测！最后对文章有问题的欢迎在评论区留言询问噢！
HTML/CSS投票管理系统：后端开发待续
知识点5: 响应式设计 响应式设计是使用CSS和HTML来创建能够自动适应不同屏幕尺寸的网站设计。在本系统中，设计者需要考虑在不同设备上，如智能手机、平板电脑和桌面显示器上提供良好的用户体验。利用CSS3中的媒体...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值