基于 PyTorch实现YOLOv5

本文详细介绍了基于PyTorch实现YOLOv5的过程,包括数据准备、模型建立、训练、评估以及在图片和视频上的预测,展示了训练结果和模型性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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(

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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