yolov5 环境配置

对于这类神奇的开源项目,我并没有很深刻的去理解,也没有那种能力

更多的还是出于自己的兴趣来做一些实现,膜拜大佬们就完事了

克隆源码#

先从 GitHub 上克隆源码

整个项目的大致目录如下,只贴出来了这里会提到的文件

yolov5-master/
├── data
│   ├── images
│   │   ├── bus.jpg
│   │   └── zidane.jpg
│   └── ···
├── weights
│   └── download_weights.sh
├── requirements.txt
├── detect.py
└── ···
  • data/images/ 路径下存放示例所用的两张图片
  • weights/ 目录下是下载权重文件的脚本 download_weights.sh
  • requirements.txt 文件列出了环境所需要的依赖
  • detect.py 用来实现检测的 py 文件

环境配置#

如果你安装了 Anaconda 的话,建议创建一个新的虚拟环境,避免与自己本来的开发环境冲突

conda create -n yolov5 python==3.8
source activate yolov5

然后根据 requirements.txt 文件安装依赖环境

pip install -r requirements.txt

正常的话相关环境已经配置完成了


执行测试#

安装完成之后使用 download_weights.sh 脚本下载训练好的权重文件

bash weights/download_weights.sh
💻

这里会因为网络的原因而导致失败,也可以直接到 yolov5 的 release 下载


下载完成之后根目录下会多出几个权重文件,分别对应不同的网络结构

yolov5-master/
├── ···
├── yolov5l.pt
├── yolov5m.pt
├── yolov5s.pt
└── yolov5x.pt

这里以 yolov5s.pt 为例

python detect.py --source data/images --weights yolov5s.pt --conf 0.25

执行检测

从终端打印的信息可以看到,分别在两张图中检测到了一些内容

也会在目录中生成一个 runs/detect/exp 目录,可以直接到这个目录中查看检测的结果

示例👇

这里因为我执行了两次,所以出现了 Results saved to runs/detect/exp2

例程看完了,下一步就是用 yolov5 来训练其他的数据集

参考#