[yolov5] --- yolov5入门实战「土堆视频」

本文主要是介绍[yolov5] --- yolov5入门实战「土堆视频」，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 项目介绍及环境配置

下载yolov5 tags 5.0源码，https://github.com/ultralytics/yolov5/tree/v5.0，解压
Pycharm 中创建conda虚拟环境
激活conda虚拟环境
根据作者提供的requirements.txt文件，pip install -r requirements.txt
如果作者没有提供requirement.txt文件，根据报错信息，手动安装缺少的库

---

2 利用yolov5进行预测[detect.py]

2.1 先run起来，直观感受

在pycharm中直接run detect.py，报错信息如下：

解决方案：model/common.py里面去找到这个SPPF的类,把它拷过来到你这个Tags5的model/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包就行了！

有的同学找不到SPPF这个类，那我现在直接粘贴在这里，你们只需要复制到你们的common.py里面即可，记得把import warnings放在上面去：

import warnings
class SPPF(nn.Module):# Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocherdef __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))super().__init__()c_ = c1 // 2  # hidden channelsself.cv1 = Conv(c1, c_, 1, 1)self.cv2 = Conv(c_ * 4, c2, 1, 1)self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)def forward(self, x):x = self.cv1(x)with warnings.catch_warnings():warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warningy1 = self.m(x)y2 = self.m(y1)return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

Note：运行过程中可能还会有很多其他错误，具体遇到了可自寻查询。

运行完之后，可以看到run/detect/exp2目录生成了对应的识别结果

2.2 detect.py 中各参数介绍解释

2.2.1 weight参数

weights 参数用于指定网络模型，默认设置的是 yolov5s.pt， 如果想要使用其他网络模型，可以打开 GitHub 的 YOLOv5 官方开源项目，在 Release 中找到对应版本的模型进行下载，如下图所示：

https://github.com/ultralytics/yolov5/releases

下载好之后放到根目录，同时把这里改成对应的模型名

2.2.2 source参数

source 参数用于给网络模型指定输入，可以对图片，视频等进行目标检测

default值	检测对象
data/images	images 文件夹下的所有图片
data/images/bus.jpg	images 文件夹下的 bus.jpg
data/video/demo.mp4	video 文件夹下的所有视频
0	调用笔记本摄像头
1	调用 USB 摄像头

Note: 当我们对视频进行目标检测时，通常会在运行时调用 view-img 参数，从而能够实时查看视频每一帧的检测效果。

2.2.3 img-size参数

这个 img-size 参数用于将图片缩放后放入神经网络模型中，通过训练确定标注框的位置，然后将标注框等比例缩放，画在原图片上，因此输入图片的尺寸和输出图片的尺寸相同，未发生改变。在 GitHub 的 YOLOv5 官方开源项目的 Release 中，我们可以看到不同 .pt 模型所对应的 img-size ，例如，由于 yolov5s.pt 模型是在 640 分辨率下进行训练的，所以使用该模型时应将 img-size 设为 640 。

2.2.4 conf-thres参数

这个 conf-thres 参数用于设置置信度，当检测目标的概率大于 default 默认值时，就会在图片中被标注出来。

• default = 0.25：检测目标的概率大于 0.25 时，就会在图片中被标注出来
• default = 0：无论检测目标的概率多少，图片中所有的检测框都 会 被标注出来
• default = 1：无论检测目标的概率多少，图片中所有的检测框都 不 被标注出来

2.2.5 iou-thres参数

这个 iou-thres 参数是交并比阈值，交并比大于 default 阈值的将被视作同一个物体，需要 nms 选取最佳框，小于 default 阈值的则被视作不同物体，不需要做处理，下面的说明可能有点绕口，大家可以看补充的图~

• iou-thres 值 越大 ，则容易将 同一物体 的不同预测结果当成对 多个物体 的不同预测结果，导致同一物品出现了多个预测结果
• iou-thres 值 越小 ，则容易将 多个物体 的不同预测结果当成对 同一物体 的不同预测结果，导致不同物品只出现一个预测结果

同一 Person 有三个框，若要选择最佳的框，可采用 IoU 的方法选取与真实标注框交并比最大的那个框。

IoU计算公式

IoU示例

2.2.6 device参数

这个 device 参数用于选择代码运行所使用的设备，例如 cuda 或者 cpu ，若 default 默认值为空，则会自动检测。

parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

2.2.7 view-img参数

parser.add_argument('--view-img', action='store_true', help='display results')

这个 view-img 参数没有 default 默认值，只有 action 值，若在终端运行时指定了这个参数，就被设置为 True，从而能在运行过程中实时显示图片或者视频的检测结果，若在终端运行时未指定这个参数，则被设置为 False 。

通常借助 view-img 参数来实时查看视频的检测情况

2.2.8 save-txt参数

parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')

这个 save-txt 参数用于将检测结果保存为 txt 文件，具体的参数设置与运行效果如下图所示：
指定save-txt参数之后，可以看到runs/exp3/labels目录下生成了yolo格式的文本标注文件

2.2.9 *save-conf参数

这个 save-conf 参数用于确认是否以 .txt 格式保存目标的置信度，必须与 save-txt 参数配合使用，具体如图所示：

parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')

可以看到生成的txt文件后面多了一列置信度

2.2.10 *nosave参数

这个 nosave 参数用于不对预测结果进行保存，但仍会生成空的 exp 文件夹，我们平时对 nosave 调用不多，但如果在对视频进行检测时，将其与 view-img 配合使用，就可以不用保存很多 txt 文件啦~

2.2.11 classes参数

这个 classes 参数用于指定想要检测的类别，如果只想检测 人 这个类别，我们可以调用 --classes 0 ，具体运行效果如下图所示：
可以看到在检测的图片中只是识别到了人

2.2.12 *agnostic-nms参数

这个 agnostic-nms 参数是增强版的 nms ，可以提高检测框框右上角的置信度，具体可分别对图像添加–agnostic-nms和不添加这个参数进行输出对比

2.2.13 *augment参数

这个 augment 参数也是用于增强的，同样可以提高检测框框右上角的置信度，具体可分别对图像添加–agnostic-nms和不添加这个参数进行输出对比

2.2.14 update参数

这个 update 参数用于对所有模型进行 strip_optimizer 操作，去除 .pt 文件中的优化器等不必要的信息。

2.2.15 project参数

这个 project 参数就是我们预测结果保存的路径。

2.2.16 name参数

这个 name 参数就是我们预测结果保存的文件夹名字。

2.2.17 exist-ok参数

这个 exist-ok 参数用于确认本次预测结果是否保存在原来的文件夹，如果调用这个参数，那么本次预测结果会保存在 name 指定的文件夹中，如果未调用这个参数，则将保存在自动新建的文件夹中

2.2.18 断点调试

---

3 训练yolov5神经网络[train.py]

3.0 先run起来，直观感受

3.1 train.py 参数介绍和解释

train.py 中参数如下

    parser = argparse.ArgumentParser()parser.add_argument('--weights', type=str, default='yolov5s.pt', help='initial weights path')parser.add_argument('--cfg', type=str, default='', help='model.yaml path')parser.add_argument('--data', type=str, default='data/coco128.yaml', help='data.yaml path')parser.add_argument('--hyp', type=str, default='data/hyp.scratch.yaml', help='hyperparameters path')parser.add_argument('--epochs', type=int, default=300)parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')parser.add_argument('--img-size', nargs='+', type=int, default=[640, 640], help='[train, test] image sizes')parser.add_argument('--rect', action='store_true', help='rectangular training')parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')parser.add_argument('--notest', action='store_true', help='only test final epoch')parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')parser.add_argument('--cache-images', action='store_true', help='cache images for faster training')parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')parser.add_argument('--workers', type=int, default=8, help='maximum number of dataloader workers')parser.add_argument('--project', default='runs/train', help='save to project/name')parser.add_argument('--entity', default=None, help='W&B entity')parser.add_argument('--name', default='exp', help='save to project/name')parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')parser.add_argument('--quad', action='store_true', help='quad dataloader')parser.add_argument('--linear-lr', action='store_true', help='linear LR')parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')parser.add_argument('--upload_dataset', action='store_true', help='Upload dataset as W&B artifact table')parser.add_argument('--bbox_interval', type=int, default=-1, help='Set bounding-box image logging interval for W&B')parser.add_argument('--save_period', type=int, default=-1, help='Log model after every "save_period" epoch')parser.add_argument('--artifact_alias', type=str, default="latest", help='version of dataset artifact to be used')opt = parser.parse_args()

下面对这34个参数进行逐一讲解

3.1.1 weights参数

这个 weights 参数用于指定网络模型，其 default 默认设置为 yolov5s.pt 模型，也可设置为 yolov5m.pt、yolov5l.pt、yolov5x.pt 等官方预训练权重文件，代码运行后会自动下载这些模型，并将其保存在项目的根目录下。如果大家觉得下载速度慢，也可以去 GitHub 提供的 YOLOv5 官方开源项目中下载，点击【Release】就可以跳转对应页面下载 .pt 模型啦！
【补充】当 default 设置为空时，代码运行后将从头开始训练，这个过程可能会比较漫长

3.1.2 cfg参数

这个 cfg 参数用于指定模型配置文件的路径，YOLOv5 官方开源项目的 Tags 5.0 源码提供了 4 个模型配置文件，配置文件中指定了部分参数信息和 backbone 的结构信息，如下图所示，值得注意的是，如果已经使用 weight 参数加载了预训练权重文件，就可以不使用该参数，因为训练时将直接使用预训练权重文件中保存的模型结构。

3.1.3 data参数

这个 data 参数用于指定数据集配置文件的路径，YOLOv5 官方开源项目的 Tags 5.0 源码提供了 4 个数据集配置文件，配置文件中存放了数据集的类别和路径信息，如下图所示，如果代码运行后没有检测到数据集，会自动下载 COCO128 数据集，当然也可以自行下载。

3.1.4 hpy参数

这个 hyp 参数用于指定超参数配置文件的路径，YOLOv5 官方开源项目的 Tags 5.0 源码提供了 2 个超参数配置文件，配置文件中存放了大量的参数信息，具体如图所示，简单来说， hyp.scratch.yaml 存放了从头开始训练 COCO 数据集模型时需要考虑的的常见超参数，而 hyp.finetune.yaml 则存放了对 VOC 数据集进行微调时需要考虑的常见超参数。

3.1.5 epochs参数

这个 epochs 参数用于指定训练的迭代轮数，默认设置为 default = 300 轮，表示将整个训练集训练 300 次。

parser.add_argument('--epochs', type=int, default=300)

3.1.6 batch-size参数

这个 batch-size 参数用于指定训练批量的大小，默认设置为 16 ，表示每次都从训练集中取 16 个训练样本放入模型进行训练。

【补充】当 default 设置为 -1 时，代码运行后将自动调节 batch-size 的大小。

parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')

3.1.7 img-size参数

这个 img-size 参数用于指定模型训练和测试时输入图片的尺寸大小，默认设置为 640 × 640，使用不同 .pt 模型时需要对这个参数进行调整，我们可以打开 GitHub 提供的 YOLOv5 官方开源项目，点击【Release】进入对应页面，如下图所示。

3.1.8 rect参数

这个 rect 参数用于确定是否用矩阵推理的方式去训练模型，矩阵推理将不再要求训练图片为正方形，在训练过程中能够对输入的矩形图片进行预处理，在保持原高宽比的基础上进行 resize 和填充，从而加速模型训练，减少信息冗余。

parser.add_argument('--rect', action='store_true', help='rectangular training')

【补充】为了让大家能够更加直观地感受到方形推理和矩阵推理的区别，我在下面贴了土堆视频教程的截图，请看！

左边方形推理，右边矩阵推理，矩阵推理少了很多不必要的填充

3.1.9 resume参数

这个 resume 参数用于确定是否进行断点续训，也就是从上一个训练任务中断的地方继续训练，直至训练完成，默认值为 False ，如果想采用断点续训的方式，不仅要将 default 设置为 True ，还应该指定使用哪个训练过的模型，具体的命令可参考下面这行：

python train.py --resume D:\Downloads\yolov5-5.0\runs\train\exp\weights\last.pt

parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')

3.1.10 nosave参数

这个 nosave 参数用于确认是否只保存最后一轮训练的 .pt 权重文件，默认是关闭的，保存 best.pt 和 last.pt 两个权重文件。

parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')

3.1.11 notest参数

这个 notest 参数用于确认是否只在最后一轮训练进行测试，默认是关闭的。

parser.add_argument('--notest', action='store_true', help='only test final epoch')

3.1.12 noautoanchor参数

这个 noautoanchor 参数用于确认是否禁用自动计算锚框的功能，默认是禁用的，如果大家想更加深入了解这个参数的作用，可以去搜索 锚点 和 锚框 ，也可以看我在本节开头推荐的知乎文章，里面介绍得比较详细，点击【这里】就可以直接跳转哟~

parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')

3.1.13 *evolve参数

这个 evolve 参数用于确认是否使用超参数优化算法进行自动调参，默认是关闭的，建议大家不要动这个参数。如果大家想更加深入了解这个参数的作用， 可以看我在本节开头推荐的知乎文章，里面介绍得比较详细，点击【这里】就可以直接跳转哟~（我 CV 我自己）

parser.add_argument('--evolve', action='store_true', help='evolve hyperparameters')

【补充】YOLOv5 使用遗传超参数进化，YOLOv5 提供的默认参数是通过在 COCO 数据集上使用超参数进化得来的，如下图所示：

3.1.14 *bucker参数

这个 bucket 参数用于在谷歌云盘中下载或者上传数据，现在不怎么使用。

3.1.15 cache-images参数

这个 cache-images 参数用于确定是否提前将数据集图片缓存到内存，加快数据加载和训练速度，默认值为 False ，开启这个参数后就会缓存图片，从而更好地训练模型。

3.1.16 image-weights参数

这个 image-weights 参数用于确认是否对数据集图片进行加权训练，主要为了解决样本不平衡的问题，默认值为 False ，开启这个参数后就会对上一轮训练效果不好的图片，在下一轮训练中增加一些权重。

3.1.17 device参数

这个 device 参数用于选择训练使用的设备处理器，例如 GPU 或 CPU ，若 default 默认值为空，则代码会自动检测，除此之外，还存在下面这几种情况：

• 设备没有 GPU ，只能使用 CPU 训练：python train.py --device cpu
• 设备有单个 GPU ，使用单个 GPU 训练：python train.py --device 0
• 设备有多个 GPU ，使用单个 GPU 训练：python train.py --device 0（使用第 1 张 GPU 训练）
• 设备有多个 GPU ，使用多个 GPU 训练：python train.py --device 0, 1, 2（使用第 1，2，3 张 GPU 训练）

3.1.18 multi-scale参数

这个 multi-scale 参数用于确认是否启用多尺度训练，多尺度训练是指设置多种图片输入尺度，训练时每隔一定 iterations 就随机选取其中一种尺度进行训练，这样训练出来的模型具有更强的鲁棒性，默认是关闭的，开启这个参数后，训练过程中每次输入图片都会放大或者缩小 50% 。

3.1.19 single-cls参数

这个 single-cls 参数用于设定训练数据集是单类别还是多类别，默认值为 False，也就是多类别。

3.1.20 adam参数

这个 adam 参数用于确定训练过程中是否使用 Adam 优化器，如果不开启这个参数，则会使用 随机梯度下降 。

3.1.21 sync-bn参数

这个 sync-bn 参数用于确定是否开启跨卡 同步批量归一化 （Synchronized Batch Normalization），默认是关闭的，开启这个参数后就可以使用 SyncBatchNorm 多 GPU 进行分布式训练。

3.1.22 *local_rank参数

这个 local_rank 参数用于 DistributedDataParallel 单机多卡训练，是 DDP 参数，单 GPU 设备不需要设置。

3.1.23 workers参数

这个 workers 参数用于设置 Dataloader 使用的最大 numworkers（加载和处理数据的线程数），默认值为 8 ，建议改为 0 ，表示不使用多线程，只使用主线程进行数据加载和处理。

3.1.24 project参数

这个 project 参数用于指定训练好的模型的保存路径，默认在 runs / train ，如下图所示。

3.1.25 *entity参数

这个 entity 参数表示在线可视化工具 wandb ，类似于 tensorboard ，使用不多。

3.1.26 name参数

这个 name 参数用于指定保存模型的文件夹名，默认为 exp ，如下图所示。

3.1.27 exist-ok参数

这个 exist-ok 参数用于确定是否覆盖同名的训练结果保存路径，默认是关闭的，表示不覆盖，每次预测结果都被保存在自动新建的文件夹中，例如 exp1、exp2 等文件夹。开启这个参数后，本次预测结果将被保存在 name 指定的文件夹中，通常是 exp 文件夹。

3.1.28 quad参数

这个 quad 参数用于确认是否使用 quad dataloader 数据加载器，默认是关闭的，quad dataloader 可以并行地从磁盘中读取和处理多个图像，并将其打包成四个图像，从而减少数据读取和预处理的时间，提高数据加载的效率。

3.1.29 linear-lr参数

这个 linear-lr 参数用于对学习速率进行调整，默认值为 False ，通过余弦函数来降低学习率，生效后按照线性方式调整学习率。

3.1.30 label-smoothing参数

这个 label-smoothing 参数用于对标签进行平滑处理，防止在分类算法过程中产生过拟合问题，默认是关闭的。

3.1.31 upload_dataset参数

这个 upload_dataset 参数用于确认是否将 dataset 上传到 wandb tabel ，默认值为 False ，开启这个参数后，数据集将作为交互式 dsviz 表，可在浏览器中查看、查询、筛选和分析数据集。调用这个参数时，可以选择是否传递参数：

• 调用 --upload_dataset 参数，但没有传递参数，则表示上传数据集
• 调用 --upload_dataset 参数，并且有传递参数 val ，则表示上传 val 数据集

3.1.32 bbox-interval参数

这个 bbox_interval 参数用于设置界框图像记录间隔，即指定在训练过程中每隔多少个 epoch 记录一次带有边界框的图片，默认是关闭的。可使用命令行：python train.py --bbox_interval n（ n > 0 时表示每隔 n 个 epoch 记录；n <= 0 时表示关闭 bbox_interval ）。

3.1.33 save_period参数

这个 save_period 参数用于设置每隔多少个 epoch 保存一次训练权重，默认是关闭的，可使用命令行：python train.py --save_period n（ n > 0 时表示每隔 n 个 epoch 保存；n <= 0 时表示关闭 save_period，只保存 best 和 last 权重 ）。

3.1.34 artifact_alias参数

这个 artifact_alias 参数用于指定要使用的数据集工件的版本别名
【补充】在 YOLOv5 的 Tags5 版本中，artifact_alias 参数的功能尚未实现，因此这个参数没有用

3.1.35 断点调试查看参数

3.2 本地训练yolov5(本地只有CPU)

3.3 利用云端GPU训练yolov5

在本地run了train.py 之后，可以发现这里生成了best.pt和last.pt

4 制作和训练自己的数据集

关于如何获得训练数据集，大致有以下几种方式：

• 获取 PyTorch 官网或者其他网站提供的数据集，例如 VOC 数据集和 COCO 数据集等，进行标注
• 自己获取数据集，手动进行 人工标注
• 自己获取数据集，借助已经训练好的模型进行 半人工标注
• 获取仿真数据集，可借助 训练 GAN 网络 或者 数字图像处理 等方式获取仿真数据集

【补充】如果大家想要进一步了解数字图像处理，可以 Google 搜索 synthetic data object detection github 。

我们可以根据 GitHub 提供的 YOLOv5 官方开源项目中 Wiki 下的【Train Custom Data】学习如何自制数据集并训练。

4.1 自制数据集

步骤一：准备 images
我们需要从网上下载若干图片用于制作数据集，我主要选取的是包含汽车、自行车和人等元素的图片，如下图所示。

步骤二：在线标注数据集

我们需要对这些图片进行标注，可以借助 CVAT 或者 Make Sense 等网站在线标注，这里我选用的是 Make Sense 网站。
【操作1】将准备的 images 上传到 Make Sense 网站。「makesense.ai」

【操作2】预先添加 labels ，可以使用 ＋ 逐个添加标签，也可以使用 Load labels from file 一次性添加标签。

【操作3】使用矩形框标注物体

步骤三：导出图片的标注文件

我们需要将图片的标注导出，在 Actions 中选择 Export Annotations，导出为包含 YOLO 格式文件的压缩包。
导出后下载到本地，我们可以看到对应的txt文件

4.2 训练数据集

【操作1】我们需要将前面得到 images 和 labels 相关文件存储到项目中的对应位置，同时还要编写 mydata.yaml 数据集配置文件：
【注意】在 mydata.yaml 数据集配置文件中，classes names 的顺序要与我们在 Make Sense 官网添加的 labels 顺序相同。

【操作2】我们需要将 train.py 文件中 --data 参数的默认值修改为 mydata.yaml 文件的路径，然后运行 train.py 文件：
修改玩陈之后，直接run train.py，可以看到已经可以正常训练

操作到这里，如果大家的 best.pt 训练到位，那么在指定的文件夹下就能看到被标注好的图片啦 (๑•̀ㅂ•́)و✧ 可惜我只训练了 18 轮，训练效果还没出来 /(ㄒoㄒ)/~~ 大家如果有兴趣的话可以尽可能训练完 300 轮，然后看看标注效果

这篇关于[yolov5] --- yolov5入门实战「土堆视频」的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---