YOLOv5识别书籍

### 使用YOLOv5实现书籍封面或条形码的图像识别

为了使用 YOLOv5 实现书籍封面或条形码的图像识别，需要完成模型训练和推理两个主要部分。以下是具体方法：

#### 数据准备
数据集对于任何机器学习项目都是至关重要的。针对书籍封面或条形码识别的任务，应当收集大量带有标注框的图片作为训练样本。每张图片中的目标位置需通过边界框精确标记出来，并附带类别标签（比如“书脊”，“封面”，“条形码”）。这些准备工作可以通过开源工具LabelImg来高效完成。

#### 安装依赖库
安装 PyTorch 和 torchvision 是运行 YOLOv5 的前提条件之一。此外还需要克隆官方 GitHub 仓库并下载预训练权重文件用于迁移学习目的。

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -r requirements.txt

#### 配置自定义数据集
创建一个新的 YAML 文件描述数据结构，包括路径到训练集、验证集以及测试集中图像的位置；指定类别的名称列表等信息。这一步骤确保了框架能够正确读取用户提供的资料[^1]。

#### 训练过程
启动训练之前要调整超参数配置文件内的设置项以适应特定应用场景的需求。例如修改最大迭代次数epochs, 批量大小batch_size等等。之后就可以调用train脚本开始正式训练流程了。

!python train.py --img 640 --batch 16 --epochs 50 --data custom_data.yaml --weights yolov5s.pt

#### 推理阶段
当获得满意的检测效果后，则可以利用已保存下来的最优权值来进行实际预测工作。加载对应的checkpoint并通过detect命令处理输入影像即可得到最终的结果可视化图示。

from pathlib import Path
import cv2
import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_coords
from utils.datasets import letterbox

def detect(image_path):
    device = 'cuda' if torch.cuda.is_available() else 'cpu'
    
    model = attempt_load('best.pt', map_location=device)

    img0 = cv2.imread(str(image_path))
    img = letterbox(img0)[0]

    img = img[:, :, ::-1].transpose(2, 0, 1)  
    img = np.ascontiguousarray(img)

    img = torch.from_numpy(img).to(device)
    img = img.float()
    img /= 255.0  

    if img.ndimension() == 3:
        img = img.unsqueeze(0)

    pred = model(img)[0]
    det = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45)

    if det is not None and len(det):
        det[:, :4] = scale_coords(img.shape[2:], det[:, :4], img0.shape).round()

        for *xyxy, conf, cls in reversed(det):
            label = f'{model.names[int(cls)]} {conf:.2f}'
            plot_one_box(xyxy, img0, label=label, color=(0, 255, 0), line_thickness=3)

    return img0


image_path = "path_to_your_image"
result_img = detect(Path(image_path))

cv2.imshow("Detection Result", result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()