yolov5 代码库简介#
安装#
git clone https://github.com/ultralytics/yolov5 # clone
cd yolov5
pip install -r requirements.txt # install
训练#
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml --batch-size 128
yolov5s 64
yolov5m 40
yolov5l 24
yolov5x 16
推理#
python detect.py --weights yolov5s.pt --source 0 # webcam
img.jpg # image
vid.mp4 # video
screen # screenshot
path/ # directory
list.txt # list of images
list.streams # list of streams
'path/*.jpg' # glob
'https://youtu.be/Zgi9g1ksQHc' # YouTube
'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream
数据集#
- 数据集配置文件
dataset.yaml
yolov5通过读取yaml配置文件，获得数据集的以下信息：
- path: 数据集的根目录
- train: 训练集划分，可以是一个目录，也可以是一个索引文件，或者是一个列表
- val: 验证集划分
- test: 测试集划分
- names: 数据集的类别信息
# 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: ../datasets/coco128 # dataset root dir
train: images/train2017 # train images (relative to 'path') 128 images
val: images/train2017 # val images (relative to 'path') 128 images
test: # test images (optional)
# Classes (80 COCO classes)
names:
0: person
1: bicycle
2: car
...
77: teddy bear
78: hair drier
79: toothbrush
- 数据集划分索引文件
每行均为图像文件的路径，示例如下：
coco128/images/im0.jpg
coco128/images/im1.jpg
coco128/images/im2.jpg
-
标注文件
- 标注文件的路径通过图像文件的路径进行替换得到，会将其中的
/images/替换为/labels/, 文件后辍替换为.txt， 具体代码如下：
def img2label_paths(img_paths): # Define label paths as a function of image paths sa, sb = f'{os.sep}images{os.sep}', f'{os.sep}labels{os.sep}' # /images/, /labels/ substrings return [sb.join(x.rsplit(sa, 1)).rsplit('.', 1)[0] + '.txt' for x in img_paths]- 标注文件采用txt格式, 每行为一个标注框，采用
class_id x_center y_center width height的格式， 以空格进行分割。
-
class_id: 表示标注框所属类别的整数，从0开始计数 -
x_center: 归一化后标注框的中心 x 坐标，浮点数，取值范围为[0, 1] -
y_center: 归一化后标注框的中心 y 坐标，浮点数，取值范围为[0, 1] -
width: 归一化后的标注框宽度，浮点数，取值范围为[0, 1] -
height: 归一化后的标注框亮度，浮点数，取值范围为[0, 1] -
标注文件内容示例如下：
0 0.48 0.63 0.69 0.71 0 0.74 0.52 0.31 0.93 4 0.36 0.79 0.07 0.40 - 标注文件的路径通过图像文件的路径进行替换得到，会将其中的