pychram+yolov5+anaconda使用自己的数据集训练网络

原创于 2021-04-03 14:35:33 发布 · 509 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #人工智能

计算机视觉同时被 2 个专栏收录

42 篇文章

订阅专栏

图像处理技术

9 篇文章

订阅专栏

该博客介绍了如何基于Yolov5框架制作数据集，选择了yolov5l模型进行训练，并详细说明了训练过程。内容包括数据集的组织结构、预训练模型下载以及训练参数的设置。作者强调了不同模型在速度和精度之间的权衡，特别是yolov5l在网络深度和精度上的提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（1）数据集制作

yolov5-master\coco128

yolov5-master\coco128\images

yolov5-master\coco128\images
                        |___train>训练图片.png
                        |___val  >测试图片.png
yolov5-master\coco128\labels
                        |___train>标签.txt
                        |___val  >标签.txt

（3）下载预训练模型

数据模型下载网站

https://github.com/ultralytics/yolov5/releases

看一下你想选择什么

这个是yolov5作者在COCO数据集上测试的数据集，这几种结构性能上各有千秋

简单的说Yolov5s网络最小，速度最少，AP精度最低。但如果检测的以大目标为主，追求速度，倒也是个不错的选择。

其他的三种网络，在此基础上，不断加深加宽网络，AP精度也不断提升，但速度的消耗也在不断增加。

（https://zhuanlan.zhihu.com/p/172121380）

这里我选择的是yolo5l

下载放在yolov5-master\weights文件下

（7）开始训练

修改models/yolov5l.yaml下的类别数：

输入代码：

python train.py --img 640 --batch 16 --epochs 5 --data ./data/coco128.yaml --cfg ./models/yolov5l.yaml --weights ''