yolov5无从下手?一篇就够,2021年全部基于最新配置的yolo入门升级路线

本文主要是介绍yolov5无从下手?一篇就够,2021年全部基于最新配置的yolo入门升级路线,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!

yolov5无从下手?一篇就够的保姆级教程,2021年全部基于最新配置的yolo快速入门路线规划图

目录

  • yolov5无从下手?一篇就够的保姆级教程,2021年全部基于最新配置的yolo快速入门路线规划图
    • 一、打破yolo神秘面纱——直接上手!
      • (1)下载Anaconda和pycharm
        • 1、下载Anaconda最新版本
          • 1 Anaconda官方下载地址:
          • 1.2 Anaconda 的安装 下载好之后双击打开可执行安装文件:
          • 1.3 进入到安装界面:
          • 1.4 这里建议两个都勾选(第一个选项是将 Anaconda 添加到环境变量中,不勾选的话后期要自己添加到环境变量)
          • 1.5 安装完毕后可以看到开始菜单中出现如下选项:
        • 2、Pycharm 的安装
          • 2.1Pycharm 官方下载站点
          • 2.2 pycharm 的安装 下载好之后双击打开可执行安装文件:
          • 2.3、选择安装目录,Pycharm需要的内存较多,建议将其安装在D盘或者E盘,不建议放在系统盘C盘。
          • 2.4、进行相关设置,如果你无特殊需要按照图中勾选即可。
          • 2.5、默认即可,点击install。
          • 2.6、安装完成
      • (2)重启电脑
      • (3)创建pytorch环境
          • 3.1 打开Anaconda 终端
          • 3.2 利用Anaconda创建一个名字叫 pytorch的环境
          • 3.3 在创建的pytorch环境中导入pytorch包
            • a、输入:conda activate pytorch 激活pytorch环境
            • b、导入清华源
            • c、在安装的环境中加载pytorch包。
    • (4)下载github上的这一个yolov5项目
    • (5)在pycharm上运行这个项目
      • 5.1 用pycharm打开这个项目
      • 5.2 为这一个项目分配pytorch环境
      • 5.3 根据这个项目对环境的要求进行下载所需要的库
        • 1、根据requirements.txt配置环境
        • 2、如果出现下载报错,表示这些包不能偷懒自动下载了,你要手动下载
      • 5.4 修改每次执行时pycharm中的内置参数
      • 5.5 运行检测运行结果
      • 5.6 查看运行yolov5物体检测后的结果
  • 二、倒过头巩固基础。
      • 1、小土堆对这个项目的精讲
      • 2、精读yolov1论文:哔哩哔哩教程如下
      • 3、达尔闻上其他yolo相关项目
      • 4、YOLO系列算法精讲:从yolov1至yolov4的进阶之路(2万字超全整理,建议收藏!):
      • 5、如果你opencv还没有入门,建议去补充好,当前最佳入门视频:
  • 如果你从头一直做到尾,毕业出来靠机器视觉的基础找个工作应该是没有问题。

在学习的过程中,CSDN对我帮助良多,很多时候都处在一个汲取者的角度。实在惭愧,最近我想根据我的学习过程,整理一篇入门博客帮助大家更快入门。
我实操时候环境是:windows10、anaconda、pytorch、pycharm全部是最新版本
并且在正常上网条件下运行的,以下所有流程我都执行过几遍保证如果你电脑是win10,一步一步运行正确,是完全没有问题的,有也能在百度/csdn检索到

一、打破yolo神秘面纱——直接上手!

yolo并不是一个很神秘的东西,现在我先从一个github上一个比较知名的关于yolov5的项目基于yolov5的物体检测,这个模型是在coco128上训练好的,能识别80种物体。也支持识别视频和实时检测,自主训练模型并部署,算是一个绝佳的项目

效果图
在这里插入图片描述

【不想读paper】目标检测之YOLO及其逗逼作者


效果大概如上图:

(1)下载Anaconda和pycharm

1、下载Anaconda最新版本

注:一定要下载Anaconda奥,这个的包比较全

  1. 1 Anaconda官方下载地址:

https://www.anaconda.com/products/individual-d#download-section
界面:
在这里插入图片描述

1.2 Anaconda 的安装 下载好之后双击打开可执行安装文件:

在这里插入图片描述

1.3 进入到安装界面:

在这里插入图片描述
注:请记住你安装Annaconda的安装地址,以后会用到

1.4 这里建议两个都勾选(第一个选项是将 Anaconda 添加到环境变量中,不勾选的话后期要自己添加到环境变量)

在这里插入图片描述

1.5 安装完毕后可以看到开始菜单中出现如下选项:

在这里插入图片描述

至此 Anaconda 的安装完毕。
注:如果没有出现可以看这一篇博客:
https://blog.csdn.net/qq_51116518/article/details/119975357?spm=1001.2014.3001.5501

2、Pycharm 的安装
2.1Pycharm 官方下载站点

https://www.jetbrains.com/pycharm/download/#section=windows
界面 在这里插入图片描述
这里我们选择右边的社区版(Community),是开源且 免费 的一个版本。

2.2 pycharm 的安装 下载好之后双击打开可执行安装文件:

在这里插入图片描述

2.3、选择安装目录,Pycharm需要的内存较多,建议将其安装在D盘或者E盘,不建议放在系统盘C盘。

在这里插入图片描述

2.4、进行相关设置,如果你无特殊需要按照图中勾选即可。

在这里插入图片描述

数字1:create desktop shortcut(创建桌面快捷方式),系统32位就选32-bit,系统64位就选64-bit。
笔者的电脑是64位系统,它自动显示64位。
数字2:update path variable(restart
needed)更新路径变量(需要重新启动),add launchers dir to the path(将启动器目录添加到路径中)。
数字3:update context menu(更新上下文菜单),add open folder as project(添加打开文件夹作为项目)。添加鼠标右键菜单,使用打开项目的方式打开此文件架。如果你经常需要下载一些别人的代码查看,可以勾选此选项,这会增加鼠标右键菜单的选项。也就是你双击你电脑上的
py 文件,会默认使用 pycharm 打开。

数字4:create associations

创建关联,关联.py文件。将所有py文件关联到pycharm。

2.5、默认即可,点击install。

在这里插入图片描述

2.6、安装完成

在这里插入图片描述

(2)重启电脑

(3)创建pytorch环境

3.1 打开Anaconda 终端

在这里插入图片描述

终端界面如下: 在这里插入图片描述

3.2 利用Anaconda创建一个名字叫 pytorch的环境

输入:conda create -n pytorch python出现如下界面
在这里插入图片描述
翻到下面,程序告诉我们有以下这些包是否下载,我们静静输入y表示俺要下载这些东东,下载(肯定的啦不下载,来这干嘛) 在这里插入图片描述

看到这个界面表示创建环境完成 在这里插入图片描述

3.3 在创建的pytorch环境中导入pytorch包

注:那个pytorch是我们创建的环境名字奥,这个环境还没有导入pytorch包还是空壳一个

看到上面的有一段话:To activate this environment, use $ conda activate pytorch
翻译成人话就是:请问这位亲是否要激活这个(刚创立的pytorch)环境呢?如果要激活的话请输入: conda activate
pytorch 奥

看到了上面这句话,我默默抬起了我的头45°角仰望天空,啊,我是要激活这个环境在安装的,不然装(b)给谁看呢?

a、输入:conda activate pytorch 激活pytorch环境

在这里插入图片描述
他十分给面子的把环境激活了,并在下一行左边框框换成(pytorch)老父亲不禁露出了欣慰的笑容

b、导入清华源

目的:加快下载速度,和避免由于不稳定导致的下载失败
注意:得一行一行输入以下指令,并且输入之后,下一次创建环境就可以跳过这一个步骤了,重复输入会报错的。

导入清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --set show_channel_urls yes

在这里插入图片描述

c、在安装的环境中加载pytorch包。

如果是windows 输入:conda install pytorch torchvision torchaudio cpuonly -c pytorch
如果是mac 输入:conda install pytorch torchvision torchaudio -c pytorch
开始在创建的一个名字叫pytorch的环境中下载pytorch包,
在这里插入图片描述
他开始下载了。

下载结束的标志如下: 在这里插入图片描述
至此我们已经创建好一个pytorch环境
如果你不放心可以输入:pip list
在这里插入图片描述
我们就可以看到配置好的环境有那些包,如果你包名和上面差不多特别是有 torch 表示你前面的步骤都对了

(4)下载github上的这一个yolov5项目

怕大家下载不了,这里我就发我的百度网盘分享了
链接:https://pan.baidu.com/s/10_dKLw4IlhKA1MXtJ5N6hw
提取码:2t7w

(5)在pycharm上运行这个项目

5.1 用pycharm打开这个项目

下载后解压,右键解压后的文件夹,选择用pycharm打开
在这里插入图片描述

5.2 为这一个项目分配pytorch环境

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
之后一路ok下去直到回到以下这个界面
在这里插入图片描述

5.3 根据这个项目对环境的要求进行下载所需要的库

1、根据requirements.txt配置环境

在控制台激活环境后输入:
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
在这里插入图片描述

这就是在配置这个项目自己要求的环境了。
这一步可能需要的时间有点久
如果没有运行报错就可以快乐的点运行detect.py了

2、如果出现下载报错,表示这些包不能偷懒自动下载了,你要手动下载

在这里插入图片描述

在这里插入图片描述

注意:在这一步,大家错误的个数和数量可能都不大一样,都按下面流程走就行了。如果是mac电脑在这一步也是最容易出错的比如:pycococtools安装失败,opencv-python ,thop安装失败
可以去:https://www.bilibili.com/video/BV1tf4y1t7ru?p=3这里看看,实在不行看看下面的评论和或者博客上找找

在这里插入图片描述
或这个博客:https://blog.csdn.net/qq_51116518/article/details/121207941?spm=1001.2014.3001.5502

点击ok
在这里插入图片描述
输入的格式是:pip install +之前图上我用黑框框框起来的部分我的是:opencv-python
在这里插入图片描述

5.4 修改每次执行时pycharm中的内置参数

在这里插入图片描述
在这里插入图片描述

5.5 运行检测运行结果

注:这一步有人运行会报错,可以看看路径内是否有英文。记得改掉
在这里插入图片描述
在这里, # 上面那一行source的参数表示你要检测的图像位置,图中那个default='data/images’意思是对yolov5-5.0中data文件夹/images文件夹内所有图片都检测。
# 如果是default='data/images/bus.jpg’表示只对这一个图片进行检测
# 如果是default='data/images/xxx.mp4’表示对整个视频进行物体识别
如果想要,实现实时检测,有两种方法。
第一种:你需要获得一个网络摄像机:比如你的手机摄像头的http/rtsp地址:获取之后填在以下位置里面

第二种:你需要有一个相机。比如你是笔记本电脑自带的相机/外置相机与电脑用usb连接。
在这里插入图片描述
第一种方法:http:获取方法可以看这篇博客:https://blog.csdn.net/qq_51116518/article/details/120118736?spm=1001.2014.3001.5501
第二种方法的详细步骤可以看博客我就不占用过多篇幅了:
https://blog.csdn.net/qq_51116518/article/details/120226879

注:有些人运行实时检测的时候,中途直接中断会出现并且无法打开生成的视频
在这里插入图片描述
解决方法:
https://blog.csdn.net/qq_51116518/article/details/120267208?spm=1001.2014.3001.5502

5.6 查看运行yolov5物体检测后的结果

在这里插入图片描述
到这里就执行成功了。

注:我这篇是入门,主要目的是帮助没有接触过的人配置环境,顺便运行一下项目验证是否环境配置正确。
所以,一些步骤我采取的是普遍性更强的cpu运行这个项目,没有激活gpu速度慢了十倍,所以你们实时检测/训练的时候可能会感到卡顿没有实现实时的效果。
不过,解决方法很容易,软件都装了流程也熟悉了,看一下小土堆对这个项目的精讲就知道,怎么去用gpu跑这一个项目了

二、倒过头巩固基础。

1、小土堆对这个项目的精讲

https://www.bilibili.com/video/BV1tf4y1t7ru?spm_id_from=333.999.0.0
在这里插入图片描述
我是土堆这个up主让我入门了项目实战。
看了这个之后我就学会了如何拿早已经有的模型进行检测-》学会如何自己训练模型-》制作数据集形成一个闭环。
并且他的讲的个人觉得很nice。没有漏一点东西。个人觉得用他来入门yolov5项目实战是最好的
在这里插入图片描述

2、精读yolov1论文:哔哩哔哩教程如下

https://www.bilibili.com/video/BV15w411Z7LG?from=search&seid=7941427599582091010
在这里插入图片描述
我入门yolo就是看这个入门来着,对yolov1他花了1年去录这个视频,对yolov1这篇论文和yolo的前世今生讲的很明白

3、达尔闻上其他yolo相关项目

https://www.darwinlearns.com/te202007?source=article
在这里插入图片描述
通过这个课程你将学会,并且这是免费的,,,,
我们的口号是什么?我们的口号是在做中学,可惜这个不是很好,算还可跟一遍
在这里插入图片描述

同济子豪兄,是哔哩哔哩一个比较厉害的阿婆主没想到在达尔闻也能找到他

4、YOLO系列算法精讲:从yolov1至yolov4的进阶之路(2万字超全整理,建议收藏!):

倒过头从yolov1~yolov4补足基础
https://blog.csdn.net/wjinjie/article/details/107509243?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163082957716780366599375%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163082957716780366599375&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2alltop_positive~default-1-107509243.first_rank_v2_pc_rank_v29&utm_term=yolo&spm=1018.2226.3001.4187
这一个是关于yolov1~yolov4的一个比较好的csdn文章

5、如果你opencv还没有入门,建议去补充好,当前最佳入门视频:

https://www.bilibili.com/video/BV1i54y1m7tw?p=27
在这里插入图片描述
通过这个视频,你将以工程标准,制作出30个利用opencv实现的 demo,在这一过程中,熟悉opencv操作。
里面是环境是VS2017+opencv4 c++,当然用vs2019也行,我就是用vs2019,只是会出现一些不一样,不过网上都能很好的给你解决

如果你从头一直做到尾,毕业出来靠机器视觉的基础找个工作应该是没有问题。

我的很多老师,看了背景资料才知道,是搞视觉出身的,视觉是绝对是al领域最火的领域之一。

如果感到这篇文章对你有帮助,不要忘记点赞噢。之后,我还会在此基础上进行继续学习研究带来更多不一样的视觉博客。如果喜欢我的画风关个注更容易找到小编哦qwq

这篇关于yolov5无从下手?一篇就够,2021年全部基于最新配置的yolo入门升级路线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!



http://www.chinasem.cn/article/323811

相关文章

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾

如何为Yarn配置国内源的详细教程

《如何为Yarn配置国内源的详细教程》在使用Yarn进行项目开发时,由于网络原因,直接使用官方源可能会导致下载速度慢或连接失败,配置国内源可以显著提高包的下载速度和稳定性,本文将详细介绍如何为Yarn... 目录一、查询当前使用的镜像源二、设置国内源1. 设置为淘宝镜像源2. 设置为其他国内源三、还原为官方

CentOS7更改默认SSH端口与配置指南

《CentOS7更改默认SSH端口与配置指南》SSH是Linux服务器远程管理的核心工具,其默认监听端口为22,由于端口22众所周知,这也使得服务器容易受到自动化扫描和暴力破解攻击,本文将系统性地介绍... 目录引言为什么要更改 SSH 默认端口?步骤详解:如何更改 Centos 7 的 SSH 默认端口1

Maven的使用和配置国内源的保姆级教程

《Maven的使用和配置国内源的保姆级教程》Maven是⼀个项目管理工具,基于POM(ProjectObjectModel,项目对象模型)的概念,Maven可以通过一小段描述信息来管理项目的构建,报告... 目录1. 什么是Maven?2.创建⼀个Maven项目3.Maven 核心功能4.使用Maven H

SpringBoot多数据源配置完整指南

《SpringBoot多数据源配置完整指南》在复杂的企业应用中,经常需要连接多个数据库,SpringBoot提供了灵活的多数据源配置方式,以下是详细的实现方案,需要的朋友可以参考下... 目录一、基础多数据源配置1. 添加依赖2. 配置多个数据源3. 配置数据源Bean二、JPA多数据源配置1. 配置主数据

Spring 基于XML配置 bean管理 Bean-IOC的方法

《Spring基于XML配置bean管理Bean-IOC的方法》:本文主要介绍Spring基于XML配置bean管理Bean-IOC的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一... 目录一. spring学习的核心内容二. 基于 XML 配置 bean1. 通过类型来获取 bean2. 通过

如何使用Nginx配置将80端口重定向到443端口

《如何使用Nginx配置将80端口重定向到443端口》这篇文章主要为大家详细介绍了如何将Nginx配置为将HTTP(80端口)请求重定向到HTTPS(443端口),文中的示例代码讲解详细,有需要的小伙... 目录1. 创建或编辑Nginx配置文件2. 配置HTTP重定向到HTTPS3. 配置HTTPS服务器

SpringBoot中配置Redis连接池的完整指南

《SpringBoot中配置Redis连接池的完整指南》这篇文章主要为大家详细介绍了SpringBoot中配置Redis连接池的完整指南,文中的示例代码讲解详细,具有一定的借鉴价值,感兴趣的小伙伴可以... 目录一、添加依赖二、配置 Redis 连接池三、测试 Redis 操作四、完整示例代码(一)pom.

Linux内核参数配置与验证详细指南

《Linux内核参数配置与验证详细指南》在Linux系统运维和性能优化中,内核参数(sysctl)的配置至关重要,本文主要来聊聊如何配置与验证这些Linux内核参数,希望对大家有一定的帮助... 目录1. 引言2. 内核参数的作用3. 如何设置内核参数3.1 临时设置(重启失效)3.2 永久设置(重启仍生效

IDEA自动生成注释模板的配置教程

《IDEA自动生成注释模板的配置教程》本文介绍了如何在IntelliJIDEA中配置类和方法的注释模板,包括自动生成项目名称、包名、日期和时间等内容,以及如何定制参数和返回值的注释格式,需要的朋友可以... 目录项目场景配置方法类注释模板定义类开头的注释步骤类注释效果方法注释模板定义方法开头的注释步骤方法注