Python——一文详解使用yolov5进行目标检测全流程(无需gpu)

兰泽S 2024-06-19 10:35:02 阅读 73

本文按步骤详细介绍了使用yolov5进行目标检测的全流程,包括:模型下载、环境配置、数据集准备和数据预处理、模型调整、模型训练、进行目标检测和检测结果分析。本文全部流程使用cpu完成(无需gpu),旨在跑通流程,模型训练过程较慢,且未能到达最优结果。需要 python版本>=3.8。

本文使用的目标检测遥感数据集,已处理为适用yolov5的格式。

【免费】用于目标检测的遥感图像数据集资源-CSDN文库

1. 模型下载

在github上进行模型下载:https://github.com/ultralytics/yolov5

2. 配置环境

首先在pycharm中新建一个Project,我们取名叫deeplearn。将下上步中下载好的yolov5-master.zip解压在该目录中。

在Anaconda prompt中切换到 '.\deeplearn\yolov5-master' 目录下,执行下面的指令安装所有需要的包(此处建议用清华镜像安装,不然会很慢):

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

安装完成显示successfully。

3.数据预处理和配置

需要将我们的训练数据处理成yolov5支持的形式,并配置相应目录。yolov5支持的标签为 txt 格式,yml格式标签转txt格式详见文章:

Python——详细解析目标检测xml格式标注转换为txt格式-CSDN博客

3.1 建立数据集目录

首先,数据目录结构如下:

我们将图片放在images文件夹中相应的训练/验证/测试文件夹下,标签放在labels文件夹中相应的文件夹下。

图片为 jpg 格式,标签为 txt 格式。一张图片对应一个txt标签文件。txt文件的每行标识了图片中的每个目标的类别和位置信息,详情如下:



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。