yolov5训练并测试自己的数据集

一.环境配置
python3.8+cuda11.4+torch1.9.0+torchvision0.10.0
yolov5源码下载地址：https://github.com/ultralytics/yolov5.git
yolov5权重文件下载：https://download.csdn.net/download/unbekannten/84851350
根据> pip install -r requirements.txt安装依赖包

二.准备数据集
前期准备：数据集road(包括JPEGImages、Annotations)文件夹、脚本文件train.py
运行python train.py --yolo=../darknet --dataset=./road生成train.txt、 test.txt、 train.names等文件

三.训练模型
3.1 在data文件夹下创建test.yaml

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: /home/yms/桌面/yolo/dataSet/temp2Train/train.txt  # 生成的train.txt的路径
val: /home/yms/桌面/yolo/dataSet/temp2Train/test.txt   # 生成的val.txt的路径
 
# number of classes
nc: 16
 
# class names
names: ['car','truck','bicycle','person','curb','far_line','w_solid_line','double_white_line','y_solid_line','double_yellow_line','y_dotted_line','y_head','y_tail','dotted line','head','tail']

train、val修改为生成的train.txt、test.txt路径，nc表示类别数，names表示类别名（修改为自己相应的）

3.2 在models文件夹中找到需要的.yaml，修改nc为自己的类别数
（注：yolov5的模型配置文件提供的版本有s、m、l、x版本，s训练出的模型速度快精度低，x训练出的模型精度高速度低，m、l介于两者之间）
下载好权重文件后，新建文件夹weights 将权重文件放入

3.3 以yolov5s.yaml+yolov5s.pt为例
训练模型：python train.py --data data/test.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt
中断后恢复训练：python train.py --data data/test.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt --resume

3.4训练之后，权重会保存在 ./runs /train文件夹里面的每个 exp 文件里面的 weights文件夹下。

3.5测试
本地视频

python detect.py --weights runs/train/exp/weights/best.pt  --source video.mp4   

本机摄像头

python detect.py --source 0

会在./runs/detect/exp文件夹下保存结果

相关下载如下：
1.数据集road：https://download.csdn.net/download/unbekannten/84852589
2.脚本文件train.py：https://download.csdn.net/download/unbekannten/84852869
3.yolov5权重文件：https://download.csdn.net/download/unbekannten/84851350