yolo v5图像识别

### YOLO V5 图像识别使用教程 #### 1. 基本原理概述 YOLO V5 是一种实时目标检测框架，继承并优化了YOLO系列的优点。该算法采用CSPNet和SPPNet等轻量化网络结构设计，使得模型不仅体积小巧而且运算速度快[^2]。 #### 2. 环境配置指南 为了能够顺利运行YOLO V5项目，需先完成必要的开发环境设置： - 安装Python解释器（建议版本3.x） - 创建虚拟环境并通过pip工具安装依赖库 - 下载官方提供的预训练权重文件或自行准备数据集用于重新训练 具体命令如下所示： ```bash # 创建并激活新的虚拟环境 python -m venv yolov5-env source yolov5-env/bin/activate # Linux/MacOS下执行此句；Windows则为 yolov5-env\Scripts\activate.bat # 更新pip至最新版并安装requirements.txt里指定的所有包 pip install --upgrade pip pip install -r requirements.txt ``` #### 3. 数据集处理方法 对于自定义的数据集来说，通常需要将其转换成适合YOLO格式的形式。这涉及到创建标签文件(.txt)，其中每行记录着一个物体的位置信息(x_center, y_center, width, height)及其类别编号。此外还需要编写相应的.yaml配置文档来描述整个数据集的信息。 #### 4. 训练过程详解 当一切准备工作就绪之后就可以启动训练流程了。这里给出一段简单的调用脚本供参考： ```python from pathlib import Path import torch if __name__ == '__main__': weights = 'yolov5s.pt' # 初始权重路径 data_cfg = './data/coco128.yaml' # 数据集配置文件位置 imgsz = 640 # 输入图片尺寸大小 batch_size = 16 # 批次数量 device = 'cuda' if torch.cuda.is_available() else 'cpu' !python train.py \ --weights {weights} \ --data {data_cfg} \ --img-size {imgsz} \ --batch-size {batch_size} ``` 上述代码片段展示了如何利用`train.py`脚本来开始一轮完整的训练周期。用户可以根据实际情况调整超参数以获得更好的效果。 #### 5. 推理预测实例展示 一旦完成了满意的模型训练工作，则可以进入推理阶段来进行实际的目标检测任务。下面是一段用来加载已保存的最佳权重量并进行单张图片推断的例子： ```python import cv2 from utils.general import non_max_suppression, scale_coords from models.experimental import attempt_load def detect(image_path='data/images/bus.jpg'): model = attempt_load('runs/train/exp/weights/best.pt', map_location=device) source_image = cv2.imread(image_path) input_tensor = preprocess(source_image).unsqueeze(0).to(device) pred_results = model(input_tensor)[0] detections = non_max_suppression(pred_results, conf_thres=0.25, iou_thres=0.45) for det in detections: if len(det): det[:, :4] = scale_coords(input_tensor.shape[2:], det[:, :4], source_image.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{model.names[int(cls)]} {conf:.2f}' plot_one_box(xyxy, source_image, label=label, color=(0, 255, 0), line_thickness=3) output_file = image_path.replace('.jpg', '_detected.jpg') cv2.imwrite(output_file, source_image) detect() ``` 这段程序首先会尝试加载最优的模型权重，接着读取待测图像并经过适当变换送入神经网络得到初步的结果列表。最后再通过非极大抑制(non-max suppression)去除冗余框体，并将剩余的有效边界框绘制到原始画面上形成可视化输出。