YOLOv5目标检测训练自己数据集

近来需要使用yolov5做目标检测，故整理了自己安装与使用的全过程

1、环境安装

1、在anaconda下安装自己的虚拟环境
2、从github克隆yolov5项目
注：此处我的电脑显卡是GTX1650，后面训练过程中cuda，cudnn，torchvision等个版本一定要相匹配，最终测试后，我的版本如下：

2、制作自己的数据集

1、使用labelimg库可以很方便的只做自己的数据集

3、训练自己的模型

1、使用yolov5训练自己的模型，需要修改一些参数信息，此处参考修改参数信息
2、遇到的错误：yolov5训练中报错：UserWarning: Detected call of lr_scheduler.step() before optimizer.step(). In PyTorch 1.1.0 and later, you should call them in the opposite order: optimizer.step() before lr_scheduler.step(). Failure to do this will result in PyTorch skipping the first value of the learning rate schedule.
该错误导致训练无效
解决方法：解决办法
该错误的主要原因是下载的pytorch和cudnn所支持的cuda版本不匹配的问题，而pycharm检测不出来，导致训练无效。

4、训练结果

1、本次一共训练了300轮，耗时十个多小时
（–batch-size==2，–workers ==2，num_workers=0）

2、最终的训练结果不太好，可能原因如下：

• 数据集制作太粗糙，有些类别没有，有些类别太少，分布不均匀，还存在大量误标的情况，后面考虑制作严谨的数据集
• 模型采用了yolov5-s，模型过小，考虑换成大的
• 对模型进行具体任务的优化

5、推理测试

测试了部分样本，其检测精度和类型不太行。。

6、模型部署

这里涉及到.pt模型格式等问题，也是难点，继续研究！

评价指标：
Precision(准确率，精度), Recall(召回率), F1 score
loU(Intersection over Union)(交并比)
P-R curve(Precision-Recall curve)(精度召回曲线)
AP(Average Precision)(*均正确率)
mAP(mean Average Precision)(*均精度均值)
FPS(Frames Per Second)(每秒传输帧率)

7、参考

参考文献1（手机端和视频检测）
参考文献2
主要参考文献（包括了详细步骤）
cuda、pytorch、cudnn版本问题
无效训练问题
模型部署问题
yolov5实现小数据集的目标检测–kolektor缺陷数据集