YOLOv5目标检测模型
环境配置
1、安装Anaconda
打开命令行输入conda -V检验是否安装及当前conda的版本
2、conda常用的命令
1）conda常用的命令
conda list
2）查看当前存在哪些虚拟环境
conda env list
conda infor -e
3）python创建虚拟环境
conda create -n your_env_name python=x.x
4）虚拟环境的删除
conda remove --name $your_env_name $package_name
数据标注
1、安装labelimg软件
pip install labelimg
直接在命令行输入lableimg就可以进入
2、操作流程
- 修改数据输入格式，将数据转换为yolo
- 使用open dir去选择图片文件夹(包含图片的文件夹)
- 选择保存标注后的文件夹 change Save Dir
- 我们在图片上直接拖动鼠标标注物品，并输入物品类别，标注结束后，点击Next Image就可进入下一张图片
需要注意的是标注文件和图片文件对应的名称是相同的，同时在保存标注数据的文件夹中由 "classes.txt" 其中包含着所有的类别名
同时标注数据为[目标类别，中心点_x，中心点__y, 宽，高](经过归一化处理)
模型的训练验证和使用
1、修改数据集配置文件yaml文件
如上图所示，我们需要在data文件夹下创建自己的yaml数据文件
train: 训练数据文件路径（使用反斜杠/）
val: 验证数据文件路径
nc: _ # number of classes
# class names
name: ['mask','face']
2、修改模型的配置文件
我们在model文件夹中修改我们需要的模型，并修改识别类型数量
即nc.
3、训练模型
python train.py --data mask_data.yaml--cfg mask_volov5s.yaml --weights pretrained/yolov5s.py --epoch 100 --batch-size 4 --device cpu
我们就可以直接在终端中开始训练模型，并设置各种参数。
4、训练得到的结果
训练得到的新模型得到的模型参数，我们可以在runs目录下找到，run文件夹中存在着train模型，其中会有weights文件夹存放着最好表现的模型，以及训练最后的模型。
如果需要单独对模型进行验证机评估，我们可以调用val.py文件，并且传入对应的参数，如
python val.py --data data/mask_data.yaml --weights runs/train/exp_yolov5s/weights/best.py --img 648
源码解读
yolov5的源码写的十分精彩，有需要的同学可以在B站找到“科科带你学”Up主的yolov5源码解读系列，讲解的特别好，小哥哥的声音也贴别好听，有需要可以移步B站。