九九九在线观看免费视频,亚洲黄色视频网址,国产福利一区二区三区,日韩中文在线视频,天天特黄视频,人成视频在线,一级黄片毛片在线播放,国产无遮挡A片又黄又爽小直播

來(lái)自于點(diǎn)擊下方卡片，關(guān)注“新機(jī)器視覺”公眾號(hào)

視覺/圖像重磅干貨，第一時(shí)間送達(dá)

作者 |?肆十二

來(lái)源 | CSDN博客

這次要使用YOLOV5來(lái)訓(xùn)練一個(gè)口罩檢測(cè)模型，比較契合當(dāng)下的疫情，并且目標(biāo)檢測(cè)涉及到的知識(shí)點(diǎn)也比較多。

先來(lái)看看我們要實(shí)現(xiàn)的效果，我們將會(huì)通過(guò)數(shù)據(jù)來(lái)訓(xùn)練一個(gè)口罩檢測(cè)的模型，并用pyqt5進(jìn)行封裝，實(shí)現(xiàn)圖片口罩檢測(cè)、視頻口罩檢測(cè)和攝像頭實(shí)時(shí)口罩檢測(cè)的功能。

下載代碼

代碼的下載地址是：[YOLOV5-mask-42: 基于YOLOV5的口罩檢測(cè)系統(tǒng)-提供教學(xué)視頻 (gitee.com)](https://github.com/ultralytics/yolov5)

配置環(huán)境

anaconda安裝完成之后請(qǐng)切換到國(guó)內(nèi)的源來(lái)提高下載速度，命令如下：

conda config --remove-key channelsconda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/conda config --set show_channel_urls yespip?config?set?global.index-url?https://mirrors.ustc.edu.cn/pypi/web/simple

首先創(chuàng)建python3.8的虛擬環(huán)境，請(qǐng)?jiān)诿钚兄袌?zhí)行下列操作：

conda create -n yolo5 python==3.8.5conda?activate?yolo5

pytorch安裝（gpu版本和cpu版本的安裝）

實(shí)際測(cè)試情況是YOLOv5在CPU和GPU的情況下均可使用，不過(guò)在CPU的條件下訓(xùn)練那個(gè)速度會(huì)令人發(fā)指，所以有條件的小伙伴一定要安裝GPU版本的Pytorch，沒有條件的小伙伴最好是租服務(wù)器來(lái)使用。

需要注意以下幾點(diǎn)：

安裝之前一定要先更新你的顯卡驅(qū)動(dòng)，去官網(wǎng)下載對(duì)應(yīng)型號(hào)的驅(qū)動(dòng)安裝
30系顯卡只能使用cuda11的版本
一定要?jiǎng)?chuàng)建虛擬環(huán)境，這樣的話各個(gè)深度學(xué)習(xí)框架之間不發(fā)生沖突

我這里創(chuàng)建的是python3.8的環(huán)境，安裝的Pytorch的版本是1.8.0，命令如下：

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意這條命令指定Pytorch的版本和cuda的版本conda?install?pytorch==1.8.0?torchvision==0.9.0?torchaudio==0.8.0?cpuonly?#?CPU的小伙伴直接執(zhí)行這條命令即可

安裝完畢之后，我們來(lái)測(cè)試一下GPU是否

pycocotools的安裝

后面我發(fā)現(xiàn)了windows下更簡(jiǎn)單的安裝方法，大家可以使用下面這個(gè)指令來(lái)直接進(jìn)行安裝，不需要下載之后再來(lái)安裝

pip?install?pycocotools-windows

其他包的安裝

另外的話大家還需要安裝程序其他所需的包，包括opencv，matplotlib這些包，不過(guò)這些包的安裝比較簡(jiǎn)單，直接通過(guò)pip指令執(zhí)行即可，我們cd到y(tǒng)olov5代碼的目錄下，直接執(zhí)行下列指令即可完成包的安裝。

pip install -r requirements.txtpip install pyqt5pip?install?labelme

測(cè)試一下

在yolov5目錄下執(zhí)行下列代碼：

python?detect.py?--source?data/images/bus.jpg?--weights?pretrained/yolov5s.pt

執(zhí)行完畢之后將會(huì)輸出下列信息

在runs目錄下可以找到檢測(cè)之后的結(jié)果

按照官方給出的指令，這里的檢測(cè)代碼功能十分強(qiáng)大，是支持對(duì)多種圖像和視頻流進(jìn)行檢測(cè)的，具體的使用方法如下：

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

數(shù)據(jù)處理

這里改成yolo的標(biāo)注形式，之后專門出一期數(shù)據(jù)轉(zhuǎn)換的內(nèi)容。

數(shù)據(jù)標(biāo)注這里推薦的軟件是labelimg，通過(guò)pip指令即可安裝

在你的虛擬環(huán)境下執(zhí)行：

pip install labelimg -i https://mirror.baidu.com/pypi/simple命令進(jìn)行安裝，然后在命令行中直接執(zhí)行l(wèi)abelimg軟件即可啟動(dòng)數(shù)據(jù)標(biāo)注軟件。

軟件啟動(dòng)后的界面如下：

數(shù)據(jù)標(biāo)注

雖然是yolo的模型訓(xùn)練，但是這里我們還是選擇進(jìn)行voc格式的標(biāo)注，一是方便在其他的代碼中使用數(shù)據(jù)集，二是我提供了數(shù)據(jù)格式轉(zhuǎn)化

標(biāo)注的過(guò)程是：

1.打開圖片目錄

2.設(shè)置標(biāo)注文件保存的目錄并設(shè)置自動(dòng)保存

3.開始標(biāo)注，畫框，標(biāo)記目標(biāo)的label，crtl+s保存，然后d切換到下一張繼續(xù)標(biāo)注，不斷重復(fù)重復(fù)

labelimg的快捷鍵如下，學(xué)會(huì)快捷鍵可以幫助你提高數(shù)據(jù)標(biāo)注的效率。

標(biāo)注完成之后你會(huì)得到一系列的txt文件，這里的txt文件就是目標(biāo)檢測(cè)的標(biāo)注文件，其中txt文件和圖片文件的名稱是一一對(duì)應(yīng)的，如下圖所示：

打開具體的標(biāo)注文件，你將會(huì)看到下面的內(nèi)容，txt文件中每一行表示一個(gè)目標(biāo)，以空格進(jìn)行區(qū)分，分別表示目標(biāo)的類別id，歸一化處理之后的中心點(diǎn)x坐標(biāo)、y坐標(biāo)、目標(biāo)框的w和h。

4.修改數(shù)據(jù)集配置文件

標(biāo)記完成的數(shù)據(jù)請(qǐng)按照下面的格式進(jìn)行放置，方便程序進(jìn)行索引。

YOLO_Mask└─ score       ├─ images       │    ├─ test # 下面放測(cè)試集圖片       │    ├─ train # 下面放訓(xùn)練集圖片       │    └─ val # 下面放驗(yàn)證集圖片       └─ labels              ├─ test # 下面放測(cè)試集標(biāo)簽              ├─ train # 下面放訓(xùn)練集標(biāo)簽??????????????├─?val?#?下面放驗(yàn)證集標(biāo)簽

這里的配置文件是為了方便我們后期訓(xùn)練使用，我們需要在data目錄下創(chuàng)建一個(gè)mask_data.yaml的文件，如下圖所示：

到這里，數(shù)據(jù)集處理部分基本完結(jié)撒花了，下面的內(nèi)容將會(huì)是模型訓(xùn)練！

模型訓(xùn)練

模型的基本訓(xùn)練

在models下建立一個(gè)mask_yolov5s.yaml的模型配置文件，內(nèi)容如下：

模型訓(xùn)練之前，請(qǐng)確保代碼目錄下有以下文件

執(zhí)行下列代碼運(yùn)行程序即可：

python?train.py?--data?mask_data.yaml?--cfg?mask_yolov5s.yaml?--weights?pretrained/yolov5s.pt?--epoch?100?--batch-size?4?--device?cpu

訓(xùn)練代碼成功執(zhí)行之后會(huì)在命令行中輸出下列信息，接下來(lái)就是安心等待模型訓(xùn)練結(jié)束即可。

根據(jù)數(shù)據(jù)集的大小和設(shè)備的性能，經(jīng)過(guò)漫長(zhǎng)的等待之后模型就訓(xùn)練完了，輸出如下：

在train/runs/exp3的目錄下可以找到訓(xùn)練得到的模型和日志文件

當(dāng)然還有一些騷操作，比如模型訓(xùn)練到一半可以從中斷點(diǎn)繼續(xù)訓(xùn)練，這些就交給大家下去自行探索嘍。

本文僅做學(xué)術(shù)分享，如有侵權(quán)，請(qǐng)聯(lián)系刪文。

—THE END—

手把手教你使用 YOLOV5 訓(xùn)練目標(biāo)檢測(cè)模型