yolov5 介绍 配置

yolov4没发布多久，yolov5就出世了，本着最新的也是最好的心态，果断在服务器上配置好了yolov5, 来跑一跑，不得不说yolov5配置环境比yolov4方便太多了，训练流程也很简单。

---

代码

https://github.com/ultralytics/yolov5 点击

yolov5和yolov4的区别：

yolov5和yolov4整体的网络结构没有什么大的变化。
yolov5 存在 s，m，l，x四种模型，网络结构是一样的，但模型的深度和宽度是不同的。s模型最小，速度最快，但精度也最低。

• yolov5使用了自适应的锚框，而yolov4没有

• yolov5缩放到416×416 填充最小的黑边，减少了信息的冗余——datasets.py的letterbox函数中

• yolov5在输入层增加了Focus结构，只是提高了速度，对精度没有提升

• 相比于yolov4, yolov5设计了两种CSP结构，一种用于主干网络，一种用于Neck中。

• yolov5 neck结构刚开始时只有FPN结构，后面有学习了yolov4的，加上了PAN. ——FPN 是 自顶向下 的特征融合，PAN是自底向上。

• yolov5 使用的是GIOU_Loss做bounding_box损失函数，而yolov4使用的是CIOU_Loss,理论上，CIoU收敛更快，性能更好

• 非极大值抑制中，yolov5采用加权nms的方式，而yolov4在前向推理的过程中使用的方法是DIoU_nms。DIoU_nms在检测遮挡重叠目标时效果更好。

---

创建pytorch环境

安装anconda

anaconda安装包可以到清华镜像网站下载。此处直达

新建pytorch环境

conda create -n pytorch python=3.6

激活pytorch环境

conda activate pytorch

配置pytorch

离线下载比较快，稍后我会提供百度云[^1]

配置yolov5

按照requirements.txt 文件，少什么配什么，基本上都是1~2M，同样使用清华大学镜像源

pip install ...

训练yolov5

$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64
                                         yolov5m                                40
                                         yolov5l                                24
                                         yolov5x                                16

测试yolov5

$ python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/*.jpg  # glob
                            'https://youtu.be/NUsoVlDFqZg'  # YouTube
                            'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

测试结果