yolo算法

YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。现在YOLO已经发展到v6版本，不过新版本也是在原有版本基础上不断改进演化的。这次主要是克隆Github上yolov5版本的程序，然后再pycharm上运行。

首先，是从github上下载程序。【注意此次下载的是V5.0版本】

下载成功后就是漫长且易秃的环境配置之路，首先我们还需要一些准备工作——安装pytorch【安装方法随处都是，这里不过多介绍,推荐使用anaconda】。安装好pytorch后，我们可以为创建一个pytorch的虚拟环境，然后就可以在pycharm内使用这个环境的解释器了。创建命令为 conda create -n pytorch python ,创建好这个虚拟环境之后，可以通过命令 conda activate pytorch进入该环境中。这些准备就绪，真正的环境配置之路正式开始。后文主要介绍一些常见的不好解决的错误，每个人电脑环境不一样，所以错误的方式肯定有所差别，但一些类似之处可以借鉴。

• 现在我们拿到程序了，第一步要做的是安装所需的各种包，此程序为读者写了requirement.txt文档，可谓非常良心。我们可以通过在pycharm的Terminal中输入 pip install -r requirements.txt命令，这样就可以安装此程序所有需要的包了。安装这些包的过程中，最常见的一个问题就是安装pycocotools失败，他会报错需要什么C++tools,这里我尝试了网上的许多方法，发现还是这一个比较靠谱，凡是出现和pycocotools失败有关的问题，都可以参考，链接如下：pycocotools报错解决方法。至于其他的一些包的安装，在网上较容易找到解决方案，这里不一一介绍【注：需要注意的是安装包的过程中最好把代理关了（如果设置了的话），否则可能会出现安装不了的情况】
• 终于把所需要的环境安装好了，接下来肯定是想来运行运行了。果然事情没这么简单，我发现根本运行不了，仔细看看，我的pycharm中都是红色的错误，看看这些错误，心中一喜，发现都是一个类型：python version 3.5 does not support ‘f‘ prefix。意思大致是说，python3.5版本没有前置f的方法【当然自己是纳闷的，根本就没装python3.5呀🤐🤐🤐】。这样一来，我想解决了这个问题应该就可以运行成功了，于是上网上一顿搜索，尝试了各种各样的方法，当然最后还是无果。这里先总结一下网上主要的解决方法：通过设置-搜索Code compatibility inspection-然后选择合适的版本解释器,如图： 这个问题似乎很难解决，但是从网上的资料来看，这个问题不是个例，但有人貌似是解决了的，在我百思不得其解时，突然看到这样的一条：重装pycharm吧。没有豁然开朗的感觉，只是抱着试一试的心态，说不定就是pycharm版本较低导致的呢，于是来了一遍卸载+重装pycharm之路，呼···终于装好了，没有报错，果然重装大法好！
• 一眼看着代码文件，没有显眼的的红色了，这回又运行了一次。发现了如下错误：Can‘t get attribute ‘SPPF‘ on ＜module ‘models.common‘ from ‘–yolov5-5.0\models\common.py。于是又开始了寻找资料之旅，最后功夫不负有心人，在b站某视频的评论区找到了解决方案:去V6版本里面的model/common.py里面去找到这个SPPF的类,把它拷过来到你的这个V5的model/common.py里面,之后在common.py中引入warnings包就可以了。
• 心中默念这次一定行，出现报错： in _next_ assert img0 is not None, ‘Image Not Found ‘ + path

• 解决方法：将utils/datasets.py文件中的

p=str(Path(path).absolute()) # os-agnostic absolute path

改为

p=str(Path(path))

如图，为修改后的结果:修改后重新运行即可

经过一步步的调试修改，最后终于可以成功运行了。可以看看运行后的结果，可以实现一些图片中物体的检测

下面介绍一下yolov5中一些参数的设置及含义：

parser=argparse.ArgumentParser()
parser.add_argument('--weights', nargs='+', type=str, default='yolov5m.pt', help='model.pt path(s)')   #表示网络的规模parser.add_argument('--source', type=str, default='data\Video\Train.mp4', help='source')  # file/folder, 0 for webcam  #表示训练的路径parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')    #输入图片大小parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')   #置信度parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
parser.add_argument('--view-img', action='store_true', help='display results')    #实时显示parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')    #保存txt文件parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')
parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
parser.add_argument('--augment', action='store_true', help='augmented inference')
parser.add_argument('--update', action='store_true', help='update all models')
parser.add_argument('--project', default='runs/detect', help='save results to project/name')   #保存路径parser.add_argument('--name', default='exp', help='save results to project/name')
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
opt=parser.parse_args()

咻咻咻咻~~duang~~点个赞呗