yolov5 相关
1. 环境搭建
检查 python 版本,需要注意去看 github yolov5 不同发行版本下的主页,为选择的是 v6.0 版本,
注意需要 Python>=3.6.0 和 PyTorch>=1.7
python3 -m pip -V 检查 python3.6 版本的 pip 是否安装及其版本。若未安装运行 sudo apt-get
install python-pip 安装,若版本不高运行 python3 -m pip install --upgrade pip
下载源码, git clone -b v6.0 https://github.com/ultralytics/yolov5.git
不建议 yolov5 使用 github 主页推荐的 pip install -r requirements.txt 命令
在源码目录下打开 requirements.txt,可以看到需要哪些依赖包,手动安装
先安装 torch,安装 gpu 版本的 torch 具体见步骤 2
在无 CPU 版本上,到安装 torch 时注意,不要直接运行 pip3 install 来安装,到 pytorch 官网
https://pytorch.org/get-started/previous-versions 去查看选择下载命令,我这里选择
torch 1.8.0 的 cpu 版本,运行 pip install torch==1.8.0+cpu torchvision==0.9.0+cpu
torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html,它会安装好
torch 与 torchvision
对照 requirements.txt 序安装,运行
pip3 install matplotlib==3.2.2
pip3 install numpy==1.18.5
pip3 install opencv-python==4.1.2.30
pip3 install Pillow==7.1.2
pip3 install PyYAML==5.3.1
pip3 install requests==2.23.0
pip3 install scipy==1.4.1
pip3 install tqdm==4.41.0
pip3 install tensorboard==2.4.1
pip3 install pandas==1.1.4
pip3 install seaborn==0.11.0
pip3 install thop
安装完上述环境后,在 https://github.com/ultralytics/yolov5/releases 找到对应发行版本
的训练模型,如 yolov5s.pt,放到 yolov5 源码目录。
检查 detect.py 文件,找到 parser.add_argument 这个语句所在行,注意--weights 后的默认参
数为模型文件所在目录;--source 后的默认参数为要识别的图片的路径(多个图片可以是其文件
夹路径);--device 后的默认参数为用来识别的设备,数字表示 gpu 号,若需要 cpu 运行则将参
数改为 cpu;--imgsz 表示图像输入大小,yolo 会根据这个参数剪裁图片;--conf-thres 为识别
的置信度;--iou-thres,这个 IoU 阈值设置小一些可以防止出现重复框。
最后终端通过 cd 指令进入源码目录,运行 python3 detect.py,在源码目录下 runs 文件夹可以
看到识别结果。