(转载）YOLOv5 实现目标检测（训练自己的数据集实现猫猫识别）

一、概要

2020年6月10日，Ultralytics在github上正式发布了YOLOv5。YOLO系列可以说是单机目标检测框架中的潮流前线了，YOLOv5并不是一个单独的模型，而是一个模型家族，包括了YOLOv5s(最小)、YOLOv5m、YOLOv5l、YOLOv5x(最大)。目前v6.0版本又新增一层YOLOv5n模型，代替YOLOv5s成为最小模型，在所有模型中速度更快但精度也更低。

在这里插入图片描述

由于YOLOv5是在PyTorch中实现的，它受益于成熟的PyTorch生态系统，支持更简单，部署更容易，相对于YOLOv4，YOLOv5具有以下优点：

1. 速度更快。在YOLOv5 Colab notebook上，运行Tesla P100，我们看到每张图像的推理时间仅需0.007秒，这意味着每秒140帧（FPS），速度是YOLOv4的2倍还多。
2. 精度更高。在Roboflow对血细胞计数和检测（BCCD）数据集的测试中，只训练了100个epochs就达到了大约0.895的平均精度（mAP）。诚然EfficientDet和YOLOv4的性能相当，但在准确率没有任何损失的情况下，看到如此全面的性能提升是非常罕见的。
3. 体积更小。YOLOv5的权重文件是27兆字节。YOLOv4（采用Darknet架构）的权重文件是244兆。YOLOv5比YOLOv4小了近90%！这意味着YOLOv5可以更容易地部署到嵌入式设备上。

既然YOLOv5如此之棒，那我们就体验以下大神们的开源成果吧！

github地址：https://github.com/ultralytics/yolov5 [不到1M]

大神们还很贴心的把官方模型放到了网上，如果有梯子，可以下载下来直接测试一下，YOLOv5所有版本的源码和官方模型的下载地址：https://github.com/ultralytics/yolov5/tags。博主这边没梯子，不过也无关紧要啦，毕竟我们用YOLOv5是识别具体的某项东西，需要自己用数据集来训练模型，官方给的模型也不一定适合我们的业务场景。

至于YOLOv5的原理这里就不多讲了（其实是讲不清），感兴趣的可以自行搜索。话不多说，直接上干货！

在这里插入图片描述

二、环境配置

2.1 基本配置

首先将YOLOv5项目下载到本地，然后配置虚拟环境conda create -n yolov5 python==3.8（尽量一切操作都在虚拟环境中），在YOLOv5中尽量使用python3.7或python3.8。项目的测试平台为：

操作系统：windows10 IDE**：Pycharm** python版本：anaconda Pyhon3.8 pytorch版本：torch 1.10.0 cuda版本：11.3 显卡：RTX 3060

cuda和pytorch的安装这里不再阐述，国内的话建议下载下来torch和torchvision的whl再进行安装，防止网速不稳定出现安装错误。本文所用到的cuda和cudnn的具体版本如下所示。

如果安装的是GPU版本的pytorch，则不需要另外安装cuda，更不需要额外配置cudnn。pytorch的GPU版本自带cuda包，不需要和电脑环境变量里的cuda一致，只需要驱动能够兼容pytorch GPU版本的cuda包。需要特别注意的是，30系显卡不支持cuda10.0。 这里为了方便起见，我安装的是GPU版本的pytorch，pytorch所自带的cuda为11.3。

接着进入虚拟环境，使用pip安装必要模块（建议换成国内的源后进行安装）：

# Base ----------------------------------------
pip install matplotlib
pip install numpy
pip install opencv-python
pip install pillow
pip install pyyaml
pip install requests
pip install scipy
pip install tqdm

# Logging -------------------------------------
pip install tensorboard

# Plotting --------------------------------------
pip install pandas
pip install seaborn

# Export --------------------------------------

# Extras ---------------------------------------
pip install thop
pip install Cython
pip install pycocotools

2.2 pycocotools安装

本项目需要pycocotools模块，COCO是一个大型的图像数据集，用于目标检测、分割、人的关键点检测、素材分割和标题生成，在python中用COCO数据集需要安装pycocotools。但是在windows环境下无法直接通过pip安装pycocotools，安装方法如下： 先安装Visual C++ 2015 build tools：Microsoft Visual C++ Build Tools 2015，安装好后，在Terminal中执行下面命令：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

执行后即可安装完毕。

2.3 apex安装(v3.1之后的版本不再需要安装apex)

apex是一款基于 PyTorch 的混合精度训练加速神器，单纯的inference实际上不需要apex模块，如果还要训练自己的数据集，就需要安装这个模块，安装方法如下： 在github上把apex项目下载或者git到本地，链接为：https://github.com/NVIDIA/apex。 ~~ 在terminal中激活pytorch的环境，并且进入到apex的文件夹下，在terminal中执行:~~

python setup.py install

执行之后即安装完毕。~~ 具体安装教程可以参考该博文：https://blog.csdn.net/mrjkzhangma/article/details/100704397

执行后可以执行pip list命令查看当前环境下的所有模块，如果看到环境中有刚才安装的的模块，则环境已经配置完毕！

三、YOLOv5 实现训练

3.1 准备工作

首先从github上下载下来YOLOv5，楼主这里改名为yolov5-6.0-cat，因为是识别小猫猫的。然后在data目录下新建Annotations, images, ImageSets, labels 四个文件夹。 其中images存放的是原始的图片数据集，Annotations存放的是标记后生成的xml文件，labels存放的是保存标记内容的txt文件，ImageSets存放的是训练数据集和测试数据集的分类情况。

├── data
│   ├── Annotations  进行 detection 任务时的标签文件，xml 形式，文件名与图片名一一对应
│   ├── images  存放 .jpg 格式的图片文件
│   ├── ImageSets  存放的是分类和检测的数据集分割文件，包含train.txt, val.txt,trainval.txt,test.txt
│   ├── labels  存放label标注信息的txt文件，与图片一一对应


├── ImageSets(train，val，test建议按照8：1：1比例划分)
│   ├── train.txt  写着用于训练的图片名称
│   ├── val.txt  写着用于验证的图片名称
│   ├── trainval.txt  train与val的合集
│   ├── test.txt  写着用于测试的图片名称

#### 3.2 标记数据集

工欲善其事必先利其器，没有合适的训练数据集去训练模型，哪怕YOLOv5这个目标识别框架再优秀那也只是个花架子啊。所以第一步我们要去准备我们的训练数据集，楼主这里要识别的是家里的两只活泼可爱黏人乖巧听话的小猫猫，所以准备了五六十张猫猫的照片。制作数据集时，通常使用labelImg标注工具，具体用法这里不多做阐述，大家可以自行搜索，labelImg的GitHub为：https://github.com/tzutalin/labelImg。 这里楼主用了另一种感觉也好用的标记工具：精灵标记助手。使用起来那是相当的顺手啊，不仅操作简单上手快，还可以保存之前标注的数据集，方便后续对数据集标注内容的修改，还支持文本标注，视频标注，而且还免费，真的算是业界良心了。

下载地址：http://www.jinglingbiaozhu.com/

参考博文：https://blog.csdn.net/youmumzcs/article/details/79657132

精灵标记助手标记界面如图所示：

数据集标记好后，将原始图片数据集放到images文件夹中，如图所示。

将精灵标记助手所生成的xml文件全部放入到Annotations文件夹中，如图所示。

3.3 构建数据集

在yolov5-6.0-cat的根目录下新建一个文件makeTxt.py，代码如下：

import os
import random


trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

接着再新建另一个文件voc_label.py，切记，classes=[……] 中填入的一定要是自己在数据集中所标注的类别名称，标记了几个类别就填写几个类别名，填写错误的话会造成读取不出xml文件里的标注信息。代码如下：

# -*- coding: utf-8 -*-
# xml解析包
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join


sets = ['train', 'test', 'val']
classes = ['Gingerbread', 'Coconut-milk']


# 进行归一化操作
def convert(size, box): # size:(原图w,原图h) , box:(xmin,xmax,ymin,ymax)
    dw = 1./size[0]     # 1/w
    dh = 1./size[1]     # 1/h
    x = (box[0] + box[1])/2.0   # 物体在图中的中心点x坐标
    y = (box[2] + box[3])/2.0   # 物体在图中的中心点y坐标
    w = box[1] - box[0]         # 物体实际像素宽度
    h = box[3] - box[2]         # 物体实际像素高度
    x = x*dw    # 物体中心点x的坐标比(相当于 x/原图w)
    w = w*dw    # 物体宽度的宽度比(相当于 w/原图w)
    y = y*dh    # 物体中心点y的坐标比(相当于 y/原图h)
    h = h*dh    # 物体宽度的宽度比(相当于 h/原图h)
    return (x, y, w, h)    # 返回 相对于原图的物体中心点的x坐标比,y坐标比,宽度比,高度比,取值范围[0-1]


# year ='2012', 对应图片的id（文件名）
def convert_annotation(image_id):
    ''' 将对应文件名的xml文件转化为label文件，xml文件包含了对应的bunding框以及图片长款大小等信息， 通过对其解析，然后进行归一化最终读到label文件中去，也就是说 一张图片文件对应一个xml文件，然后通过解析和归一化，能够将对应的信息保存到唯一一个label文件中去 labal文件中的格式：calss x y w h　　同时，一张图片对应的类别有多个，所以对应的ｂｕｎｄｉｎｇ的信息也有多个 '''
    # 对应的通过year 找到相应的文件夹，并且打开相应image_id的xml文件，其对应bund文件
    in_file = open('data/Annotations/%s.xml' % (image_id), encoding='utf-8')
    # 准备在对应的image_id 中写入对应的label，分别为
    # <object-class> <x> <y> <width> <height>
    out_file = open('data/labels/%s.txt' % (image_id), 'w', encoding='utf-8')
    # 解析xml文件
    tree = ET.parse(in_file)
    # 获得对应的键值对
    root = tree.getroot()
    # 获得图片的尺寸大小
    size = root.find('size')
    # 如果xml内的标记为空，增加判断条件
    if size != None:
        # 获得宽
        w = int(size.find('width').text)
        # 获得高
        h = int(size.find('height').text)
        # 遍历目标obj
        for obj in root.iter('object'):
            # 获得difficult ？？
            difficult = obj.find('difficult').text
            # 获得类别 =string 类型
            cls = obj.find('name').text
            # 如果类别不是对应在我们预定好的class文件中，或difficult==1则跳过
            if cls not in classes or int(difficult) == 1:
                continue
            # 通过类别名称找到id
            cls_id = classes.index(cls)
            # 找到bndbox 对象
            xmlbox = obj.find('bndbox')
            # 获取对应的bndbox的数组 = ['xmin','xmax','ymin','ymax']
            b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
                 float(xmlbox.find('ymax').text))
            print(image_id, cls, b)
            # 带入进行归一化操作
            # w = 宽, h = 高， b= bndbox的数组 = ['xmin','xmax','ymin','ymax']
            bb = convert((w, h), b)
            # bb 对应的是归一化后的(x,y,w,h)
            # 生成 calss x y w h 在label文件中
            out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


# 返回当前工作目录
wd = getcwd()
print(wd)


for image_set in sets:
    ''' 对所有的文件数据集进行遍历 做了两个工作： 　　　　１．将所有图片文件都遍历一遍，并且将其所有的全路径都写在对应的txt文件中去，方便定位 　　　　２．同时对所有的图片文件进行解析和转化，将其对应的bundingbox 以及类别的信息全部解析写到label 文件中去 　　　　　最后再通过直接读取文件，就能找到对应的label 信息 '''
    # 先找labels文件夹如果不存在则创建
    if not os.path.exists('data/labels/'):
        os.makedirs('data/labels/')
    # 读取在ImageSets/Main 中的train、test..等文件的内容
    # 包含对应的文件名称
    image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
    # 打开对应的2012_train.txt 文件对其进行写入准备
    list_file = open('data/%s.txt' % (image_set), 'w')
    # 将对应的文件_id以及全路径写进去并换行
    for image_id in image_ids:
        list_file.write('data/images/%s.jpg\n' % (image_id))
        # 调用 year = 年份 image_id = 对应的文件名_id
        convert_annotation(image_id)
    # 关闭文件
    list_file.close()

# os.system(‘comand’) 会执行括号中的命令，如果命令成功执行，这条语句返回0，否则返回1
# os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train.txt")
# os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt 2012_train.txt 2012_val.txt > train.all.txt")

分别运行makeTxt.py和voc_label.py。
makeTxt.py主要是将数据集分类成训练数据集和测试数据集，默认train，val，test按照8：1：1的比例进行随机分类，运行后ImagesSets文件夹中会出现四个文件，主要是生成的训练数据集和测试数据集的图片名称，如下图。同时data目录下也会出现这四个文件，内容是训练数据集和测试数据集的图片路径。

voc_label.py主要是将图片数据集标注后的xml文件中的标注信息读取出来并写入txt文件，运行后在labels文件夹中出现所有图片数据集的标注信息，如下图：

到此，本次训练所需的数据集已经全部准备好了。

3.4 文件修改

3.4.1 数据集方面的yaml文件修改

首先在data目录下，新建一份yaml文件，命名为cat.yaml，并仿照data文件夹下原有的coco.yaml的内容格式对cat.yaml进行配置。其中path，train，val，test分别为数据集的路径， nc为数据集的类别数，我这里只分了两类，names为类别的名称。这几个参数均按照自己的实际需求来修改。cat.yaml的代码如下：

# Train command: python train.py --data data/cat.yaml
# Dataset should be placed next to yolov5 folder:
# parent
# ├── yolov5
# └── data


# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: data  # dataset root dir
train: train.txt  # train images (relative to 'path')
val: val.txt  # val images (relative to 'path')
test: test.txt  # test images (optional)

# number of classes
nc: 2

# class names
names: ['Coconut-milk', 'Gingerbread']

3.4.2 网络参数方面的yaml文件修改

接着在models目录下的yolov5l.yaml文件进行修改，这里取决于你使用了哪个模型就去修改对于的文件，该项目中使用的是yolov5l模型（选用何种模型需根据项目的具体需求和GPU资源配置来定，大模型肯定更精确但是检测速度也更慢更占显存，小模型精度欠佳但是速度具有优势也更省显存）。需要修改的代码如下：

# Parameters
nc: 2  # number of classes
depth_multiple: 1.0  # model depth multiple
width_multiple: 1.0  # layer channel multiple

3.4.3 train.py中的一些参数修改

最后，在根目录中对train.py中的一些参数进行修改，主要参数解释如下。我们平时训练的话，主要用到的只有这几个参数而已：–weights，–cfg，–data，–epochs，–batch-size，–img-size，–project。

parser = argparse.ArgumentParser()
# 加载预训练的模型权重文件，如果文件夹下没有该文件，则在训练前会自动下载
parser.add_argument('--weights', type=str, default=ROOT / 'yolov5l.pt', help='initial weights path')
# 模型配置文件，网络结构，使用修改好的yolov5l.yaml文件
parser.add_argument('--cfg', type=str, default='models/yolov5l.yaml', help='model.yaml path')
# 数据集配置文件，数据集路径，类名等，使用配置好的cat.yaml文件
parser.add_argument('--data', type=str, default=ROOT / 'data/cat.yaml', help='dataset.yaml path')
# 超参数文件
parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch.yaml', help='hyperparameters path')
# 训练总轮次，1个epoch等于使用训练集中的全部样本训练一次，值越大模型越精确，训练时间也越长，默认为300
parser.add_argument('--epochs', type=int, default=300)
# 批次大小，一次训练所选取的样本数，显卡不太行的话，就调小点，反正3060是带不动batch-size=16的，传-1的话就是autobatch
parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs')
# 输入图片分辨率大小，默认为640
parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
# 是否采用矩形训练，默认False，开启后可显著的减少推理时间
parser.add_argument('--rect', action='store_true', help='rectangular training')
# 继续训练，默认从打断后的最后一次训练继续，需开启default=True
parser.add_argument('--resume', nargs='?', const=True, default=False, help='resume most recent training')
# 仅保存最终一次epoch所产生的模型
parser.add_argument('--nosave', action='store_true', help='only save final checkpoint')
# 仅在最终一次epoch后进行测试
parser.add_argument('--noval', action='store_true', help='only validate final epoch')
# 禁用自动锚点检查
parser.add_argument('--noautoanchor', action='store_true', help='disable autoanchor check')
# 超参数演变
parser.add_argument('--evolve', type=int, nargs='?', const=300, help='evolve hyperparameters for x generations')
# 谷歌云盘bucket，一般不会用到
parser.add_argument('--bucket', type=str, default='', help='gsutil bucket')
# 是否提前缓存图片到内存，以加快训练速度，默认False
parser.add_argument('--cache', type=str, nargs='?', const='ram', help='--cache images in "ram" (default) or "disk"')
# 选用加权图像进行训练
parser.add_argument('--image-weights', action='store_true', help='use weighted image selection for training')
# 训练的设备，cpu；0(表示一个gpu设备cuda:0)；0,1,2,3(多个gpu设备)。值为空时，训练时默认使用计算机自带的显卡或CPU
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
# 是否进行多尺度训练，默认False
parser.add_argument('--multi-scale', action='store_true', help='vary img-size +/- 50%%')
# 数据集是否只有一个类别，默认False
parser.add_argument('--single-cls', action='store_true', help='train multi-class data as single-class')
# 是否使用adam优化器，默认False
parser.add_argument('--adam', action='store_true', help='use torch.optim.Adam() optimizer')
# 是否使用跨卡同步BN，在DDP模式使用
parser.add_argument('--sync-bn', action='store_true', help='use SyncBatchNorm, only available in DDP mode')
# dataloader的最大worker数量，大于0时使用子进程读取数据，训练程序有可能会卡住
parser.add_argument('--workers', type=int, default=8, help='maximum number of dataloader workers')
# 训练结果所存放的路径，默认为runs/train
parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')
# 训练结果所在文件夹的名称，默认为exp
parser.add_argument('--name', default='exp', help='save to project/name')
# 如训练结果存放路径重名，不覆盖已存在的文件夹
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
# 使用四合一dataloader
parser.add_argument('--quad', action='store_true', help='quad dataloader')
# 线性学习率
parser.add_argument('--linear-lr', action='store_true', help='linear LR')
# 标签平滑处理，默认0.0
parser.add_argument('--label-smoothing', type=float, default=0.0, help='Label smoothing epsilon')
# 已训练多少次epoch后结果仍没有提升就终止训练，默认100
parser.add_argument('--patience', type=int, default=100, help='EarlyStopping patience (epochs without improvement)')
# 冻结模型层数，默认0不冻结，冻结主干网就传10，冻结所有就传24
parser.add_argument('--freeze', type=int, default=0, help='Number of layers to freeze. backbone=10, all=24')
# 设置多少次epoch保存一次模型
parser.add_argument('--save-period', type=int, default=-1, help='Save checkpoint every x epochs (disabled if < 1)')
# 分布式训练参数，请勿修改
parser.add_argument('--local_rank', type=int, default=-1, help='DDP parameter, do not modify')

# Weights & Biases arguments(一般上用不着)
parser.add_argument('--entity', default=None, help='W&B: Entity')
parser.add_argument('--upload_dataset', action='store_true', help='W&B: Upload dataset as artifact table')
parser.add_argument('--bbox_interval', type=int, default=-1, help='W&B: Set bounding-box image logging interval')
parser.add_argument('--artifact_alias', type=str, default='latest', help='W&B: Version of dataset artifact to use')

opt = parser.parse_known_args()[0] if known else parser.parse_args()

3.5 训练模型

全部配置好后，直接执行train.py文件开始训练，这时候就到了考验显卡的时候，可以耐心的等上一两个小时，千万别手痒玩什么3A大作，否则电脑爆炸还得重新训练。 当程序运行界面出现如下所示并后续不报错的情况下，说明开始训练。

在训练中，也可以随时查看每一轮次训练的结果，可利用tensorboard可视化训练过程，训练开始时会在runs/train/exp文件夹中产生一个“events.out.tfevents.1608924773.JWX.5276.0”文件，利用tensorboard打开即可查看训练日志。首先我们通过cmd进去该YOLOv5所在的项目文件夹，然后激活所用的虚拟环境，输入如下命令行：

tensorboard --logdir runs/train/exp

命令行输入信息的整体显示如下所示。如果运行这一步导致训练中断并报出cv::OutOfMemoryError的错误，则是因为内存不足导致，需更换轻量的模型或提高硬件设备。

(yolov5) D:\wjy\a00_Project\yolov5\yolov5-6.0-cat>tensorboard --logdir runs/train/exp7
TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.7.0 at http://localhost:6006/ (Press CTRL+C to quit)

到这一步后，我们就可打开 http://localhost:6006/ 网页查看每一轮次训练的结果，如图所示。我这里由于数据过少（只有62张）的原因，所有模型训练的很不精准。如果是用于正常工作的情况下，所需的数据集则要有成千上万张图片。

如果不更改训练结果所产生的路径的话，训练好后会在runs/train/exp文件夹得到如下文件，其中，我们训练好的权重为weights文件夹中的best.pt和last.pt文件，顾名思义，best.pt是训练300轮后所得到的最好的权重，last.pt是最后一轮训练所得到的权重。

训练好后可以选用验证集进行测试，测试文件为val.py。这里要明确的是，推理是直接检测图片，而测试是需要图片有相应的真实标签的，相当于检测图片后再把推理标签和真实标签做mAP计算。其实在train.py中的’–noval’已经设定好最终一次epoch完成后会自动进行测试，因此可以直接观察训练完成后文件夹内的结果文件和图片。

四、YOLOv5 实现检测

有了训练好的权重后，就可以就行目标检测测试了。直接在根目录的detect.py中进行调试，主要参数解释如下。我们平时用的话，主要用到的有这几个参数：–weights，–source，–img-size，–conf-thres，–project。

parser = argparse.ArgumentParser()
# 选用训练的权重，不指定的话会使用yolov5l.pt预训练权重
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'runs/train/exp/weights/best.pt', help='model path(s)')
# 检测数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头)，也可以是rtsp等视频流
parser.add_argument('--source', type=str, default=ROOT / 'inference/videos/猫猫识别.mp4', help='file/dir/URL/glob, 0 for webcam')
# 指定推理图片分辨率，默认640
parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
# 置信度阈值，检测到的对象属于特定类（狗，猫，香蕉，汽车等）的概率，默认为0.25
parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')
# 指定NMS(非极大值抑制)的IOU阈值，默认为0.45
parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')
# 每张图最多检测多少目标，默认为1000个
parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
# 检测的设备，cpu；0(表示一个gpu设备cuda:0)；0,1,2,3(多个gpu设备)。值为空时，训练时默认使用计算机自带的显卡或CPU
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
# 是否展示检测之后的图片/视频，默认False
parser.add_argument('--view-img', action='store_true', help='show results')
# 是否将检测的框坐标以txt文件形式保存(yolo格式)，默认False
parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
# 在输出标签结果txt中同样写入每个目标的置信度，默认False
parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
# 从图片\视频上把检测到的目标抠出来保存，默认False
parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')
# 不保存图片/视频，默认False
parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
# 设置只检测特定的类，如--classes 0 2 4 6 8，默认False
parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
# 使用agnostic NMS(前背景)，默认False
parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
# 推理的时候进行多尺度，翻转等操作(TTA)推理，属于增强识别，速度会慢不少，默认False
parser.add_argument('--augment', action='store_true', help='augmented inference')
# 特征可视化，默认False
parser.add_argument('--visualize', action='store_true', help='visualize features')
# 更新所有模型，默认False
parser.add_argument('--update', action='store_true', help='update all models')
# 检测结果所存放的路径，默认为runs/detect
parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')
# 检测结果所在文件夹的名称，默认为exp
parser.add_argument('--name', default='exp', help='save results to project/name')
# 若现有的project/name存在，则不进行递增
parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
# 画图时线条宽度
parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')
# 隐藏标签
parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')
# 隐藏置信度
parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')
# 半精度检测(FP16)
parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
# 在onnx推理中使用OpenCV DNN
parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')
opt = parser.parse_args()

修改好参数后，直接执行detect.py文件，如果不更改检测结果所产生的路径的话，检测完成后会在runs/detect/exp文件夹得到检测后的视频。下面是输出视频的截图，可能是小猫的特征不是很明显，尤其是侧脸的识别效果并不是很好，训练数据集如果量大一点应该会有更好的效果。

发布者：全栈程序员栈长，
转载请注明出处：原地址
原文链接