实战项目 基于Yolo5实时目标检测 | 来自九七的实战项目

实战项目 基于Yolo5实时目标检测

一、项目介绍

  使用github上开源的Yolo5官方源码，可以做到离线目标检测和实时目标检测

环境

Windows 10
PyCharm Community Edition 2020.3.3 x64
Cuda（对应你的GPU）
Yolo5

二、操作步骤

1.环境搭建

①安装Pycharm

②安装Cuda

这两步不介绍了，自行搜索，教程极多。

2.Pycharm上配置环境

①下载源码

github上下载此源码
https://github.com/ultralytics/yolov5/tree/v5.0

②用Pycharm打开项目

按下图所示打开项目

③安装各种需要的库等

使用github作者给的命令，在Terminal中安装所需的各种库、环境等

pip install -r requirements.txt

④选择输入

在detect.py文件下，红框表示你的输入文件，视频、图片都可以，但此时默认还是离线操作。就是运行后结果会保存到本地，不会实时展示。

⑤查看结果

结果保存在此处，打开就可以看到效果

效果：

三、实时目标检测

①如果需要用实时目标检测，则将二中处④填写为0（相机)或者其他URL链接等
②将下面图中的大框框的代码注释掉
③小框中url改成0
之后运行就可以看到实时的检测，效果的好坏会和你的GPU性能以及使用的Yolo模型挂钩。

四、训练自己的模型

1.直接训练（假设没什么问题）

在项目中找到train.py，直接运行，如果你没有出现什么错误的话

2.设置train.py中的参数

如图所示框出来的部分
batch-size：表示使用的GPU大小，如果出现RuntimeError: CUDA，往小了设
workers：表示工作加载空间大小，如果出现问题，也往小了设即可

3.无法加载coco128

程序中有自动下载的功能，但根据环境的不同往往会产生一些问题，因此，如果报错的话，把下载好的coco128.zip自己进行手动解压。此外，还有个需要注意的地方，coco128应该放在如图所示，和yolo5-5.0同级的文件路径下。

4.结果

结果保存在如图所示目录中，每一个exp代表一个训练完的结果。

来自：九七的实战项目
作者原创文章，转载请注明出处，仅供学习交流，请勿用于商业、违法用途！违者追究法律责任！