YOLO5基本設置與物件偵測(上)

我§EUROU’éEURO™äECURO EUROURE AUM，è？ª²æ·™§§§®Ó把yolo5­»：è·äÓ†？EUROO？EUROURE AUL，ä？†？ˆ°？

§®‰èGB�瑇

我易(CondaäÓ†è§GBæº�é>œçš”é“�”©…­“？pytorch來é�‹ä½œï¼Œçœ‹äº†ä¸€ä¸‹ä»–requirements.txt中的pytorch版本>=1.70，如æ�œä½ç>存储？requirement.txt，那就å�ªæœƒå®‰è£�cpu版本，我想è¦�利用cuda來å�šé�‹ç®—所以自己安è£�pytorch。太新版本很容易有相容å•�題，為é�¿å…元？”？pip Install-r PIP Install-r PIP Install-rš？Œyolo5背èŒæ˜ç“¨pytorch�ç>存储资源元ç”？pip Install-r pytorch�äcert�§？…è？�皓麻煩ˆ‘èGB�æœEUROUALä1\f2�è1\f2�æ，çš“1·70°±-1\cf1\f2 EURON，

conda activate your-env

æ？™ç？‡

我承èª�這是苦工，但是沒有這標籤çµ�æ�œï¼Œä½Ÿ？�šä？�了ä：<情ãeuro，我ç“？labelImgéeuro™§·袁§…·äÓ†æ™è³‡æ-™ãeuro，

# 下載與安�相關套件
git clone https://github.com/tzutalin/labelImg.git
conda activate your-env
conda install pyqt=5
conda install -c anaconda lxml

# �擇開啟你的圖片資料，�下來就一張一張標。
1. �一下create RecBox
2. 設定物件範�
3. �擇種�(�以自創�稱)
4. �定儲存格�(PascalVOC/YOLO等等)，�定就�用�次都���。
5. 儲存，�設存到你開的�一個資料夾中。

如�以�有標�的xml檔案，想�直�轉��以�考此篇進行轉�。此篇

？，æ�œé�？？“‡yoloæ？�ç”？？‡：œƒæ˜？txtæ-“æˆaiºŒ？…？§­œ-ãeuro，？

EUROUREè“�設é¡�別標籤的數字，å�¯ä»¥è‡ªè¡Œå�»./lablelImg/data/predefined_classes.txt䊔éo�應皓énŠ­œ-ç-‡‰çš”éoŠœ-ç、Œ4昑­°�應皓én EUROURE，

訓ç·ç甇

é？…ˆï¼Œyolo5有æ��ä¾›tutorial.ipynb供大家使用，大概å�¯åˆ†æˆ�下列步驟：

>>> cd yolo5/
>>> jupyter notebook
�開 tutorial.ipynb

2.？

• “Ÿ？è”数据Nan./Œ/Dataset.yaml

# 設定你的照片相�路徑
train: ../dataset/images
val:  ../dataset/images

• 由於我是å�»ä¸‹è¼‰æ•´å€‹å°ˆæ¡ˆçš„zip檔案，所以會比cloneçš„æ–¹å¼�多一層資料夾，å�¯ä»¥çœ‹åˆ°dataset是在主程å¼�資料夾之外的。

將圖片與用labelimg產生的å°�應的一å°�一txt檔案，å�„自按照訓練集與測試集按比例放置好，比如有一百張照片ai²Œä²æ”¾70張在./dataset/images/train中，å°�應的70個標籤.txtå°±è¦�放在./dataset/labels/train中，å�¦å¤–val的部分以此é¡�æ�¨ã€‚ççldblem

# 在你開啟的jupyter notebook中執行這段程�碼，就開始訓練了。
%run train.py --img 416 --batch 128 --epochs 30 --data dataset.yaml --weights yolov5s.pt --device 0 --cache

跑完之後runs\train\exp會產生訓練的��檔案best.pt

ée�æ¨ç‘‡

# 在你開啟的jupyter notebook中執行這段程�碼，就開始物件�測了。
# exp改�你�讀�的模��置(exp10之�的)，best.pt是迭代�程中最好的model，last.pt是最後一輪迭代的模���(�一定是效�最好的��)
# 以 --save-crop而言就是把bounding box中的物件擷�出來。

如�覺得有用�以幫我按個讚，按��放�以到50讚，感�。