保姆级超详细从零实现图像识别示例（YOLOv5）

---

1. 环境配置

# Anaconda3.12下载安装：https://www.anaconda.com/download/success
# Path环境变量：D:\ProgramData\anaconda3\Scripts
conda create -n yolov5
activate yolov5
# YOLOv5：https://github.com/ultralytics/yolov5
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 官方模型体验

# 官方权重文件验证官方图片
python detect.py --weights yolov5s.pt --source data/images/bus.jpg
# 本地摄像头
python detect.py --source 0
# 视频文件
python detect.py --source data/video/test_video.mp4

3. 自己图像标注

3.1 数据集准备

选择要识别的几个物品，收集20-50张不同角度图片

3.2 软件准备

pip install labelimg
mkdir test_img
mkdir test_label
labelimg

3.3 标签准备

按8-2比例将图片分为训练集和验证集，标注后生成YOLOv5所需的labels文件夹，结构如下：
test_dataset/
├── images/
│ ├── train/ # 训练图片
│ └── val/ # 验证图片
└── labels/
├── train/ # 训练标签
└── val/ # 验证标签

1. VOC标签为xml文件
2. yolo标签为txt文件
3. createML标签为json格式

3.4 软件调试

可能因为版本原因，变量定义为float，函数调用要求int，做个类型转换即可。

#\Python313\Lib\site-packages\labelImg\labelimg.py : 965行
bar.setValue(int(bar.value() + bar.singleStep() * units))
# \Python313\Lib\site-packages\libs\canvas.py ： 526 - 531行
p.drawLine(int(self.prev_point.x()), 0, int(self.prev_point.x()), int(self.pixmap.height()))
p.drawRect(int(left_top.x()), int(left_top.y()), int(rect_width), int(rect_height))

4. 自己模型训练

4.1 环境准备

pytorch安装，版本参考pytorch官网
全系统环境参考 感知识别算法的系统环境部署流程

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
pip install -r requirement.txt

4.2 创建配置文件

在data目录下创建test_dataset.yaml，指定数据集路径和类别：

path: test_dataset/images #数据集目录，相对于data目录
train: train #训练集目录，相对于path
val: val #验证集目录
nc: 2  # 类别数
names: # 类别名称
  0: 木凳
  1: 边牧

最终目录结构如下：
yolov5
├─data/
│ └── test_dataset.yaml # 配置文件
├─test_dataset/
├─ images/
│ ├── train/ # 训练图片
│ └── val/ # 验证图片
└─ labels/
├── train/ # 训练标签
└── val/ # 验证标签

4.3启动训练：

python train.py --epochs 30 --data data/test_dataset.yaml --weights yolov5s.pt

训练完成后，权重保存在runs/train/exp3/weights/best.pt。

5. 测试自己模型

python detect.py --weights runs/train/exp3/weights/best.pt --source data/images/test_image.jpg