1、YOLOv5的訓練
yolov5的原理什麼的就不說了，百度搜一搜不少，這裏具體說一下怎麼訓練本身的數據集，官方的yolov5是在coco數據集上訓練的，本文是在voc數據集上進行訓練，對於本身的訓練數據能夠仿照voc數據集進行製做！python
YOLOv5的git項目：參考github項目YOLOv5，若須要官方的預訓練權重，該項目的大佬也給出了，感謝大佬作出的工做！將項目git到本地！git
1.建立數據集文件夾
數據存放的目錄以下：
在datasets文件夾下創建以下文件目錄，其中訓練須要用到的是score/images和score/labels兩個，image下分爲了train和val兩個文件夾，其中分別放的是訓練圖片和測試圖片，以下所示：
labels文件夾下放的對應的labels文件，labels文件格式以下：
每個txt文件都是一張圖片的label和location信息，這裏面的數據是從xml文件中提取出的，第一個表示類別，後面時歸一化後的座標值，至此數據就準備結束！github
2.修改數據集配置文件
在data文件下存放着數據集對應的配置文件yaml文件，主要指明瞭數據集的路徑信息，以下：須要根據本身的數據集修改相應的信息！測試
3.選擇模型，修改相應的配置文件
yolov5官方一共提供了yolov5s.yaml、yolov5m.yaml、yolov5l.yaml、yolov5x.yaml四個不一樣大小的模型，他們的精度與速度也各有不一樣，官方有給出具體的數據，以下所示：你們能夠根據本身的需求選擇相應的模型，我這裏選擇的時最小的yolov5s模型，由於速度最快！！！選擇什麼模型，就須要修改models文件夾下對應的yaml文件，這裏咱們須要修改yolov5s.yaml文件：須要修改的地方就一個，就是本身的類別數量nc，voc數據集是20類，所以將nc改成20！spa
4.開始訓練
在train.py文件裏修改相應的訓練參數：batch、epoch、cfg、data等參數，可參考個人設置以下如若須要加載預訓練權重或者斷點續訓，可將train.py中下面兩行代碼進行修改，從頭開始訓練就將下面第一行代碼打開，第二行註釋，反之就是加載預訓練權重或斷點續訓：code
# parser.add_argument('--resume', action='store_true', help='resume training from yolov5s_last.pt')#從頭開始訓練 parser.add_argument('--resume', default='weights/yolov5s_last.pt', help='resume training from yolov5s_last.pt')#加載預訓練權重或斷點續訓
2、YOLOv5模型的測試
1.測試MAP
測試map的代碼時test.py，根據須要修改weights、batch、data等參數，可參考以下：可能會報錯cuda內存不夠，此時將batch改小就行，根據須要修改conf-thres閾值(分類得分閾值)和iou-thres(iou閾值)。
本文一共訓練了500個epoch，測試map結果以下：最終的MAP值爲51.5，比官方差點(畢竟是官方)！！！視頻
2.測試圖片或者視頻
這部分的代碼在detect.py裏，也是自行按需修改，可參考本文的設置：裏面我作了一些小的調整，主要是要修改測試圖片和視頻的路徑，你們根據本身實際狀況來，若有疑問，評論區可留言！！！測試圖片和視頻都是這個代碼，很方便！！！！xml
下面就是擺效果圖的時刻了！！！！
不得不說，yolov5是真的很強，速度還賊快！！！！
視頻測試的效果就不放了，太大了，你們本身去嘗試吧！！！圖片
YOLOv5訓練測試這塊說完了，下面就要介紹pt模型轉onnx轉ncnn了，下次見！！！！！！！！！內存