使用YMIR生产基于yolov5的头盔检测模型

YOLOv5(物体检测/Pytorch训练)

最近发现了个好玩的东西，直接使用无代码进行检测模型开发，在上面试了一下头盔检测的效果，效果不错，下面附一下教程，这个平台不仅可以用来训练模型，还能将训练好的模型直接发布到端设备上，废话不多说先上关键信息。

YMIR平台主页：https://github.com/IndustryEssentials/ymir
京东商城页面：https://i-item.jd.com/10065116628109.html

1.概述

YOLOv5共有s,m,l,x四个模型，相同的数据集场景下，一般YOLOv5-s模型训练和推理性能最佳，YOLOv5-x模型mAP指标最佳。针对提供带有物体框标注的数据集，该算法会预先载入在COCO数据集下训练过的模型，训练后生成的模型可直接在YMIR平台部署到相机。

2.YOLOV5结构解析

上图即Yolov5的网络结构图，可以看出，分为输入端、Backbone、Neck、Prediction四个部分。
（1）输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放
（2）Backbone：Focus结构，CSP结构
（3）Neck：FPN+PAN结构
（4）Prediction：GIOU_Loss

YOLOV5在coco数据集性能测试图

3.算法基本信息

适用场景：物体检测，大中小目标检测

• 适用算法：头盔检测，行人检测，车辆检测，人脸检测，其他检测相关
• 算法输入：
  • 已选择的数据集，用户可自行分配训练、测试数据集
  • YOLOv5的COCO预训练模型。
• 算法输出：
  • 已训练完成的模型文件，可直接一键发布到算法平台
• 推理速度参考：

• 训练参数说明
  
  

• 预训练模型：可设置预训练模型选择上一个训练作业完成的模型

  • 举例：对一个已经完成的训练作业（假设训练了50个epochs），想要
    训练更多的epochs（追加30个epochs）, 选择上一个已完成训练的模型 如model_group_v3

动手实测

查看训练、测试数据集

在项目列表里选择头盔项目，导入数据完成后即可查看数据集
如下图所示该数据集共包含三个类别，分别为person（人体），head（人头），helmet（安全帽），可以粗略地浏览一下数据集中bbox的尺寸，可以看到perosn的bbox最大，head和helmet人头bbox大小相近，三个目标在图中的比例都相对较大，总体来讲head和helmet算中等大小目标，person是大目标，所以本次使用的超参img_size可使用默认超参640，如果图像中小目标较多，可以适当增加img_size，注意：img_size必须是32的倍数，
可供参考的选项如：
小目标：800，960
中目标：640，604
大目标：320，416

模型训练启动页面

模型运行中性能、进度曲线变化

启动训练任务后即可查看训练过程

模型发布、部署

REF：

1. https://github.com/IndustryEssentials/ymir
2. https://zhuanlan.zhihu.com/p/260400612