基于 PyTorch实现YOLOv5

The First Article

前言

本文记录基于PyTorch实现Github作者ultralytics的YOLOv5-tag v5.0的迁移学习大致流程，使用自制数据集（100张图片）。如有不对之处请批评指正，欢迎提出宝贵意见和建议，若需源码或者有疑问请留言。
Email：sunshilin_22@163.com

实现环境

使用Anaconda的虚拟环境安装以下包和其他包参考requirements.txt
Python 3.6 +PyTorch 1.10.2+opencv 4.5.4.60 +PyCharm 2021.3.2
GPU：NAVIDIA GeForce GTX 1050 Ti（4GB）

基本流程

一般分为以下四步：数据准备、建立模型、训练模型、模型评估。

数据准备

数据集包括实际场景的 100 幅图像（从百度图片下载相应图片）。使用labelImg图像标注工具，VOC格式标注图像生成标签label的xml文件，再利用脚本将标签label的xml文件转为txt文件、将数据集划分为训练集、验证集、测试集（81：9：10）。标签有七类：danger（未佩戴头盔或帽子）, hat（帽子）, person（人）, Electric cars（电动车）, car（除电动车以外的车）, Helmet（头盔）, bicycle（自行车）。这里展示训练集图片：

建立模型

从 Github上下载YOLOv5模型(