YOLO V5安装与验证

YOLOV5一共有4个版本,分别是YOLOV5s、YOLOV5m、YOLOV5l和YOLOV5x,其中5s的权重文件最小,检测速度也最快,我们就在PC上配置V5s。配置过程需要下载和安装的内容如下:

  1. 安装conda环境,建议安装anaconda;
  2. 安装一个代码IDE;
  3. 安装pytorch,包括torch和torchvision;
  4. 下载YOLO源码和权重文件

第一步,安装anaconda环境

安装anaconda和代码编辑器比较简单,编辑器vscode、pycharm等都可以,anaconda在官网下载(https://www.anaconda.com)安装之后,就可以配置安装Python环境了,命令如下(环境名称为yolo,Python=3.8):

conda create --name yolo Python=3.7 -y

安装好环境后激活yolo工作环境,命令:

conda activate yolo

第二步,安装pytorch深度学习框架

pytorch官网可以根据本地PC的配置,然后在终端yolo环境下复制命令即可完成安装:

YOLO V5安装与验证_第1张图片

安装结束后,需要进入Python编辑环境,并输入如下验证:

import torch

print(torch.__version__)

如果没有报错,说明pytorch安装成功了(如图)。YOLO V5安装与验证_第2张图片 

最后从GitHub(https://github.com/ultralytics/yolov5.git)下载YOLOV5的源码和权重文件,clone完毕之后,打开yolo文件夹内的requirements.txt文件,里面包含我们接下来要安装的配置环境和必要工具,如果当前电脑已经安装过其中部分软件,将对应的内容注释掉即可,执行命令:

pip install -r requirements.txt

等待几分钟,即可安装好yolo,默认会配置有yolo5s.pt权重配置文件,如果需要其他权重文件,可以在官网下载后放在项目文件中即可。

YOLO V5安装与验证_第3张图片

  • 测试yolo

用IED打开yolo项目中的detect.py,会看到项目的权重文件、输入源文件、GPU(cuda设备)以及每张图片中最大检测的目标数等等配置信息,后续自己训练样本的时候,可以根据项目的需求,调整配置信息,这里仅测试安装的结果,我们先维持当前信息不做改变。

YOLO V5安装与验证_第4张图片

执行detect.py文件,会看到输入结果如下:

这里的runs/detect/exp2文件夹就是我们检测后结果的存放目录(每次执行都会生成一个exp*文件夹),我们打开文件夹,会发现有两张图片,随便打开一张,上面已经显示了当前检测的类别(person、bus)、位置信息以及检测的置信度。

YOLO V5安装与验证_第5张图片

我们再测试一张照片(献出我的十年老狗),将需要检测的照片放到/data/images文件夹内,运行detect文件,效果如下。

YOLO V5安装与验证_第6张图片

 才0.77?尴尬了

吓得我赶紧用iDetection测试了一下。。。

YOLO V5安装与验证_第7张图片

你可能感兴趣的:(机器视觉,pytorch,python,人工智能)