yolov5
YOLOv5 是一种流行的目标检测算法，属于 YOLO（You Only Look Once）系列的第五代版本。
YOLO 算法以其快速和高效而闻名，在实时目标检测任务中表现出色。
关键特点:
快速检测：YOLOv5 能够实现快速的目标检测，适合需要实时处理的应用场景
单阶段检测器：与两阶段检测器（如 Faster R-CNN）不同，YOLO 算法采用单阶段检测方法，直接在图像上预测边界框和类别概率
锚框：YOLOv5 使用锚框（anchor boxes）来预测目标的边界框，锚框是在训练过程中学习得到的，用于提高检测的准确性
损失函数: YOLOv5 对损失函数进行了优化，包括对象存在性、边界框坐标和类别概率的损失。
自适应锚框：YOLOv5 引入了自适应锚框的机制，可以根据不同的数据集自动调整锚框的大小和比例。
数据增强：YOLOv5 在训练过程中使用了多种数据增强技术，增强模型的泛化能力。
多尺度预测：YOLOv5 支持多尺度预测，可以检测不同大小的目标。
易于部署：YOLOv5 模型通常比较轻量化，易于在各种平台上部署，包括服务器、移动设备和嵌入式设备。
安装
github: github.com/ultralytics…
首先本地需要安装 python 环境，最好 python 版本不要超过 3.10
下载
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
git clone https://github.com/ultralytics/yolov5
配置环境
在 pycharm 中打开项目
项目->设置->选择 python 解释器
打开控制台，安装依赖
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
pip install -r requirements.txt
数据标注
数据标注是训练模型的关键步骤之一，而 LabelImg 是一个常用且功能强大的图像标注工具，支持多种目标检测数据集格式，如 PASCAL VOC 和 COCO 等
安装 LabelImg
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
pip install labelimg
打开 LabelImg
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
# 在命令行中输入labelimg即可打开 labelimg
开始标注
点击
标注错误
在开始标注的时候，拉不了框，一拉就闪退了，错误提示如下图：
通过错误提示发现是数据类型错误，由于我测试用的 python3.10 对类型有些要求，所以提示这个错误。
解决办法：降低 python 版本，如用 python 3.9 再试下
更换版本后，重新标注：
保存标注
模型训练
在进行模型训练的时候，需要把上面标注的数据整理归类
数据归类格式如下：
新建一个 dateaset 文件夹，用于存放数据集。
head3 为标注的标签，文件 00001.jpg 为训练的图片，00001.txt 为标注数据，需要一一对应。
添加配置项
在 yolov5/data 文件夹下新建 head3.yaml
内容如下所示：
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..] path: E:\project-py\yolov5\dataset\head # dataset root dir train: images/train # train images (relative to 'path') val: images/val # val images (relative to 'path') test: # test images (optional) # Classes nc: 1 # number of classes names: ["head"] # class names
其中：
path：数据集的根目录
train：训练集与 path 的相对路径
val：验证集与 path 的相对路径
nc：类别数量，因为这个数据集只有一个类别（fire），nc 即为1。
names：类别名字。
下载预训练模型
现在，我们准备好了数据，接下来，下载好预训练模型:
预训练模型地址：github.com/ultralytics…
选择你所需要的模型下载即可，这里我选择 yolov5s.pt 下载
模型下载完成后，将 xx.pt 复制在 yolov5 文件夹下。如下图所示：
开始训练
打开运行调试菜单，选择编辑或者新增：
添加运行参数：
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
--weights yolov5s.pt --data data/fire.yaml --workers 1 --batch-size 8
点击运行，至此，模型则开始训练
模型测试
模型训练完成后，将 runs/exp/weights 下的模型（best.pt）复制在 yolov5 文件夹下。如下图所示：
开始测试
--javascripttypescriptshellbashsqljsonhtmlcssccppjavarubypythongorustmarkdown
python detect.py --weights best.pt --source ../datasets/head3/images/val
其中参数：
weights:是你训练好的模型的路径
source:是你测试的数据路径
测试结果保存在 runs/detect 下
总结
YOLOv5 是一种先进的目标检测算法，属于 YOLO（You Only Look Once）系列的第五代。
它继承了 YOLO 系列算法的快速和高效的特点，并且在性能上进行了显著提升。
YOLOv5 的成功在于其速度和准确性的平衡，使其成为许多实时目标检测任务的首选算法。
随着计算机视觉领域的不断发展，YOLOv5 及其后续版本将继续在目标检测技术中扮演重要角色
