本文主要是介绍基于yolov5s的行人检测 训练自己的数据集,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!
[HIT] 基于yolov5s的行人检测 --徐涛
本项目 github 地址
环境配置:
anaconda create --name yolo python=3.7
activate yolo
cd yolov5
pip install -r requirements.txt
有warning不用担心,这是由于配置文件与中文编码冲突的原因。参考:【WARNING:Ignore distutils configs in setup.cfg due to encoding errors】完美解决
pip install labelimg
pip install wandb
需要创建一个wandb账户,可以用github登录,会同步上传训练结果
训练模型
使用 /yolov5/models 中的配置文件训练
python train.py --data coco.yaml --cfg yolov5s.yaml --weights ‘’ --batch-size 64
使用coco128训练模型:
python train.py --img 640 --batchsize 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt
使用自己的训练集:
python train.py --img 640 --batchsize 16 --epochs 100 --data people.yaml --weights yolov5s.pt
训练结果在 /yolov5/runs/train/exp 中,每次训练会生成新的exp文件夹,不会覆盖。
如果页面文件空间不足可以系统设置页面文件大小。参考“OSError: [WinError 1455]页面文件太小,无法完成操作。”解决方案
或者 在/yolov5/utils/dataloaders.py 中140行将num_workers的参数nw改为0,本项目文件已修改。
如果提示OMP错误,需要在train.py中添加代码。
import os
os.environ[“KMP_DUPLICATE_LIB_OK”]=“TRUE”
本项目文件已添加。参考:解决报错 OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized
已经训练过的数据集会生成cache文件,需要删除。
目标检测
python detect.py --source test.mp4 --weights best.pt
best.pt 在当前目录/yolov5下
detect结果保存在/yolov5/runs/detect/exp下,同train
制作训练集
在datasets中创建一个新的数据集文件夹,包括images和labels,各包含train和val文件夹。
labelimg打开数据标注软件。
打开图像存放文件夹/datasets/people/images/train
打开标记存放文件夹/datasets/people/labels/train
标记文件与图像文件同名。
选择yolo txt格式,xml则需要转成txt格式才能被读取
快捷键
w生成框
a上一张
d下一张
ctrl+s 保存
在data中建立yaml文件,可以用其他文件的副本作为参考格式。
能被读取
快捷键
w生成框
a上一张
d下一张
ctrl+s 保存
在data中建立yaml文件,可以用其他文件的副本作为参考格式。
致谢
CSDN上很多YOLOv5相关的博客都有细致的讲解,最主要还是yolov5的github仓库就有很详细的训练教程,鄙人博采众长,受益良多。
传送门
- YOLOv5 github
- 【Yolov5】1.认真总结6000字Yolov5保姆级教程(2022.06.28全新版本v6.1)
- 目标检测—教你利用yolov5训练自己的目标检测模型
- 深入浅出Yolo系列之Yolov5核心基础知识完整讲解
- yolov5+Deepsort实现目标跟踪
这篇关于基于yolov5s的行人检测 训练自己的数据集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!