YOLOv5 是一种流行的目标检测算法，属于 YOLO（You Only Look Once）系列的第五代版本。

YOLO 算法以其快速和高效而闻名，在实时目标检测任务中表现出色。

关键特点:

快速检测：YOLOv5 能够实现快速的目标检测，适合需要实时处理的应用场景

单阶段检测器：与两阶段检测器（如 Faster R-CNN）不同，YOLO 算法采用单阶段检测方法，直接在图像上预测边界框和类别概率

锚框：YOLOv5 使用锚框（anchor boxes）来预测目标的边界框，锚框是在训练过程中学习得到的，用于提高检测的准确性

损失函数: YOLOv5 对损失函数进行了优化，包括对象存在性、边界框坐标和类别概率的损失。

自适应锚框：YOLOv5 引入了自适应锚框的机制，可以根据不同的数据集自动调整锚框的大小和比例。

数据增强：YOLOv5 在训练过程中使用了多种数据增强技术，增强模型的泛化能力。

多尺度预测：YOLOv5 支持多尺度预测，可以检测不同大小的目标。

易于部署：YOLOv5 模型通常比较轻量化，易于在各种平台上部署，包括服务器、移动设备和嵌入式设备。

安装

github: https://github.com/ultralytics/yolov5

首先本地需要安装 python 环境，最好 python 版本不要超过 3.10

下载

git clone https://github.com/ultralytics/yolov5

配置环境

在 pycharm 中打开项目

image

项目->设置->选择 python 解释器

安装

打开控制台，安装依赖

pip install -r requirements.txt 

安装

数据标注

数据标注是训练模型的关键步骤之一，而 LabelImg 是一个常用且功能强大的图像标注工具，支持多种目标检测数据集格式，如 PASCAL VOC 和 COCO 等

安装 LabelImg

pip install labelimg

安装

打开 LabelImg

# 在命令行中输入labelimg即可打开
labelimg

安装

开始标注

安装

点击

安装

标注错误

在开始标注的时候，拉不了框，一拉就闪退了，错误提示如下图：

安装

通过错误提示发现是数据类型错误，由于我测试用的 python3.10 对类型有些要求，所以提示这个错误。

解决办法：降低 python 版本，如用 python 3.9 再试下

更换版本后，重新标注：

安装

保存标注

安装

模型训练

在进行模型训练的时候，需要把上面标注的数据整理归类

数据归类格式如下：

安装

新建一个 dateaset 文件夹，用于存放数据集。

head3 为标注的标签，文件 00001.jpg 为训练的图片，00001.txt 为标注数据，需要一一对应。

添加配置项

在 yolov5/data 文件夹下新建 head3.yaml

内容如下所示：

# 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: E:\project-py\yolov5\dataset\head  # dataset root dir
train: images/train  # train images (relative to 'path')
val: images/val  # val images (relative to 'path')
test:  # test images (optional)

# Classes
nc: 1  # number of classes
names: ["head"]  # class names

其中：

path：数据集的根目录

train：训练集与 path 的相对路径

val：验证集与 path 的相对路径

nc：类别数量，因为这个数据集只有一个类别（fire），nc 即为1。

names：类别名字。

下载预训练模型

现在，我们准备好了数据，接下来，下载好预训练模型:

预训练模型地址：https://github.com/ultralytics/yolov5/releases

选择你所需要的模型下载即可，这里我选择 yolov5s.pt 下载

安装

模型下载完成后，将 xx.pt 复制在 yolov5 文件夹下。如下图所示：

安装

开始训练

打开运行调试菜单，选择编辑或者新增：

安装

添加运行参数：

--weights yolov5s.pt --data data/fire.yaml --workers 1 --batch-size 8 

安装

点击运行，至此，模型则开始训练

安装

模型测试

模型训练完成后，将 runs/exp/weights 下的模型（best.pt）复制在 yolov5 文件夹下。如下图所示：

安装

开始测试

python detect.py --weights best.pt --source ../datasets/head3/images/val 

其中参数：

weights:是你训练好的模型的路径

source:是你测试的数据路径

测试结果保存在 runs/detect 下

安装

总结

YOLOv5 是一种先进的目标检测算法，属于 YOLO（You Only Look Once）系列的第五代。

它继承了 YOLO 系列算法的快速和高效的特点，并且在性能上进行了显著提升。

YOLOv5 的成功在于其速度和准确性的平衡，使其成为许多实时目标检测任务的首选算法。

随着计算机视觉领域的不断发展，YOLOv5 及其后续版本将继续在目标检测技术中扮演重要角色

– 欢迎点赞、关注、转发、收藏【我码玄黄】，gonghao同名