Python实例分割 YOLOv5 segment使用教程（完善中）

目录

一、直接试用方式

1、代码下载与环境配置

2、代码测试

（1）、模型训练（可以跳过）

（2）、模型预测

 二、制作自己的数据集

1、labelme制作标签

2、json转txt

三、用YOLOv5跑自己的数据集

1、train.py参数修改

2、predict.py参数修改

---

本文是我在使用YOLOv5时，做的一些过程记录，按照步骤走应该能够跟我获得相同的结果，初次写这种类型的文章，排版之类的可能不太好看，内容也不够充分，之后混慢慢修改补充。

本文内容包含代码的直接使用方式，与在自定义数据集上的使用方式，目前未使用过其他公开数据集进行试用。

一、直接试用方式

1、代码下载与环境配置

YOLOv5最新版（2022.11.12    YOLOv5 7.0）的github网址：GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite

下载后在vscode中打开文件夹：

 环境准备参考requirements.txt，可以直接pip install -r requirements.txt。

2、代码测试

（1）、模型训练（可以跳过）

打开segment/train.py，直接运行，会自动下载预训练模型参数yolov5s-seg.pt与数据集coco128-seg，模型参数会下载到yolov5目录下，数据集会下载到yolov5父目录下。训练结果会保存在runs/train-seg/exp中。

（2）、模型预测

打开segment/predict.py，直接运行，会将/home/w/下载/yolov5-master/data/images中的两张图像进行分割预测（没有使用上面的训练参数），分割结果会保存在runs/predict-seg/exp。

 分割结果如下：

 二、制作自己的数据集

1、labelme制作标签

2、json转txt

三、用YOLOv5跑自己的数据集

1、train.py参数修改

2、predict.py参数修改

如果直接在终端运行的话，进入代码所在目录，打开终端：

#以下代码均为修改过predict.py内，模型，数据，等参数后，运行
#对于额外保存其他内容的代码，可以叠加后缀如：python predict.py --save-crop --save-txt


#预测并保存实例分割图像
python predict.py

#输出参数说明
python predict.py -h

#除了保存分割结果，另外按类保存识别框切割图
python predict.py --save-crop

#另外保存label.txt
python predict.py --save-txt

四、遇到过的报错与解决方式

urllib.error.URLError: ＜urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed_知·味的博客-CSDN博客