1、训练好后，会提示权重保存文件，如下图所示：
2、接着找到最好的权重，如下图所示：
3、接着找到detect.py,如下图所示：
4、接着将权重路径传入到推理函数中，如下所示：
5、接着待检测图片路径，如下图所示：
6、最后运行detect.py即可，如下图所示：
上文如有错误，恳请各位大佬指正。
YOLOV5检测自己训练的数据集
2023-08-01
149
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
YOLOV5检测自己训练的数据集
目录
相关文章
|
7月前
|
机器学习/深度学习
开发工具
计算机视觉
|
2月前
|
数据可视化
计算机视觉
训练数据集(一)：真实场景下采集的煤矸石目标检测数据集，可直接用于YOLOv5/v6/v7/v8训练
本文介绍了一个用于煤炭与矸石分类的煤矸石目标检测数据集，包含891张训练图片和404张验证图片，分为煤炭、矸石和混合物三类。数据集已标注并划分为训练和验证集，适用于YOLOv5/v6/v7/v8训练。数据集可通过提供的链接下载。
81
1
1
|
6月前
|
计算机视觉
|
6月前
|
机器学习/深度学习
分布式计算
并行计算
|
7月前
|
机器学习/深度学习
算法
Serverless
|
传感器
数据采集
编解码
3D目标检测数据集 DAIR-V2X-V
本文分享国内场景3D目标检测，公开数据集 DAIR-V2X-V（也称为DAIR-V2X车端）。DAIR-V2X车端3D检测数据集是一个大规模车端多模态数据集，包括：
22325帧 图像数据
22325帧 点云数据
2D&3D标注
基于该数据集，可以进行车端3D目标检测任务研究，例如单目3D检测、点云3D检测和多模态3D检测。
322
0
0
|
存储
大数据
Linux
|
网络安全
开发工具
网络架构
|
固态存储
开发工具
git
|
XML
编解码
PyTorch
热门文章
最新文章
1
Hadoop迁移MaxCompute神器之DataX-On-Hadoop使用指南
2
Nginx的启动、停止与重启
3
Hive之数据倾斜的原因和解决方法
4
开发人员各级岗位胜任力模型
5
Node.js 中流操作实践
6
传奇龙版地图查看器
7
调整DC的网络对网络是否会有影响?
8
How to maintain Oracle10g Recyclebin?
9
你知道自己感染了恶意软件吗？
10
Groovy 快速入门
1
Python学习的自我理解和想法（9）
90
2
Kimi 上线视觉思考模型，K1 系列强化学习模型正式开放，无需借助外部 OCR 处理图像与文本进行思考并回答
103
3
CosyVoice 2.0：阿里开源升级版语音生成大模型，支持多语言和跨语言语音合成，提升发音和音色等的准确性
82
4
Megrez-3B-Omni：无问芯穹开源最强端侧全模态模型，支持理解图像、音频和文本三种模态数据
52
5
FreeScale：无需微调即可提升模型的图像生成能力，生成 8K 分辨率的高质量图像
39
6
Freestyler：微软联合西工大和香港大学推出说唱音乐生成模型，支持控制生成的音色、风格和节奏等
38
7
《C 语言与统计假设检验：洞察人工智能模型性能差异》
83
8
《C 语言赋能：物联网环境下人工智能应用的能耗优化之道》
24
9
《C 语言助力神经网络剪枝：优化模型的卓越之道》
25
10
《C 语言复数运算：赋能人工智能信号处理新境界》
20