【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）_梁瑛平的博客-CSDN博客.pdf
需积分: 0 55 浏览量
更新于2021-12-02
8
收藏 6.47MB PDF 举报
这篇博客主要讲述了如何使用YOLOv5训练自己的数据集，从Windows环境配置到模型部署的整个过程。文章首先介绍了安装Anaconda和创建虚拟环境的步骤，然后安装了pytorch并下载了YOLOv5的源码和依赖库。接着，文章讲述了数据标注和预处理的步骤，最后展示了如何下载预训练模型和开始训练模型。
知识点：
1. 安装Anaconda和创建虚拟环境：文章首先介绍了安装Anaconda的步骤，并创建了一个虚拟环境用于安装pytorch和其他依赖库。
2. 安装pytorch：文章安装了pytorch 1.7版本，并检查了CUDA 是否可用。
3. 下载源码和安装依赖库：文章下载了YOLOv5的源码，并安装了依赖库。
4. 数据标注：文章讲述了如何使用labelimg工具进行数据标注，并生成了xml标注文件。
5. 数据预处理：文章没有详细讲述数据预处理的步骤，但提到了数据预处理的必要性。
6. 下载预训练模型：文章没有详细讲述如何下载预训练模型，但提到了下载预训练模型的必要性。
7. 开始训练：文章讲述了如何开始训练模型，并展示了训练模型的结果。
技术点：
1. Anaconda：Anaconda是一个流行的Python数据科学平台，提供了多种数据科学工具和库。
2. pytorch：pytorch是一个流行的深度学习框架，提供了多种工具和库用于构建和训练深度学习模型。
3. YOLOv5：YOLOv5是一个流行的目标检测算法，能够快速准确地检测图像中的目标。
4. labelimg：labelimg是一个流行的数据标注工具，能够快速准确地标注图像数据。
5. CUDA：CUDA是一个流行的并行计算平台，能够加速深度学习模型的训练和推理。
6.Deep Learning：深度学习是一种机器学习方法，能够自动学习和表示复杂数据中的模式和关系。
7.Computer Vision：计算机视觉是一种交叉学科，结合了计算机科学、数学、心理学和工程学，旨在使机器能够看到和理解图像和视频。
8. Image Processing：图像处理是一种技术，旨在使用算法和数学模型来增强和改进图像的质量和信息。
这篇博客提供了一个完整的YOLOv5训练自己的数据集的指南，从环境配置到模型部署的整个过程。同时，文章还讲述了多种技术点，例如Anaconda、pytorch、YOLOv5、labelimg、CUDA、深度学习、计算机视觉和图像处理等。
【⼩⽩CV】⼿把⼿教你⽤YOLOv5训练⾃⼰的数据集（从Windows环境配置
到模型部署）
BIT可达鸭
20688
收藏 395
分类专栏：
深度学习-计算机视觉
⽂章标签： python
深度学习
⽬标检测
图像处理
计算机视觉
2020-12-04 18:43:39 版权
【⼩⽩CV】⼿把⼿教你⽤YOLOv5训练⾃⼰的数据集（从环境配置到模型部署）
本⽂禁⽌转载
前⾔：
1. 安装Anaconda：
2. 创建虚拟环境：
3. 安装pytorch：
4. 下载源码和安装依赖库：
5. 数据标注：
5. 数据预处理：
6. 下载预训练模型：
7. 开始训练：
关注我的公众号：
本⽂禁⽌转载
前⾔：
今天有时间，就写⼀下⽤yolov5训练⾃⼰数据集的博客吧。
1. 安装Anaconda：
Anaconda官⽹：https://www.anaconda.com/
下载完成后打开⼀路Yes即可，只需要注意这⾥要将conda添加到PATH：
安装完成后打开cmd：
输⼊conda -V，查看是否安装成功：
出现版本号即为安装成功。
2. 创建虚拟环境：
这⾥我们需要为yolov5单独创建⼀个环境，输⼊：
选y：
等待相关库安装：
安装完成后，输⼊：
激活环境：
3. 安装pytorch：
yolov5最新版本需要pytorch1.6版本以上，因此我们安装pytorch1.7版本。由于我事先安装好了CUDA10.1，因此在环境中输⼊：
即可安装：
然后查看CUDA是否可⽤：
这⾥显示True表明正常安装。
4. 下载源码和安装依赖库：
源码地址：https://github.com/ultralytics/yolov5
下载后解压，在⽬录内打开cmd并激活环境：
安装依赖库：
5. 数据标注：
数据标注我们要⽤labelimg，使⽤pip即可安装：
这⾥我⽤百度爬⾍爬取图像：
代码：
cmd输⼊labelimg打开标注软件：
打开后选取图像所在⽂件夹，进⾏标注：
标注完成后，每张图像会⽣成对应的xml标注⽂件：
深度学习-模型压缩（
…
68篇
深度学习-计算机视觉
124篇
基于深度学习的脑电
…
14篇
强化学习
2篇
数字图像处理
6篇
图计算系统/图神经⽹络
8篇
⽬录
【⼩⽩CV】⼿把⼿教你⽤YOLOv5训练
…
本⽂禁⽌转载
前⾔：
1. 安装Anaconda：
2. 创建虚拟环境：
3. 安装pytorch：
4. 下载源码和安装依赖库：
5. 数据标注：
5. 数据预处理：
6. 下载预训练模型：
7. 开始训练：
关注我的公众号：
分类专栏
深度学习-计算机视觉
专栏收录该内容
124 篇⽂章64 订阅
¥99.00
¥29.90
会员免费订 9折续费
conda create -n torch107 python=3.7
1
activate torch107
1
pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
1
pip install -r requirements.txt
1
pip install labelimg
1
import os
import re
import sys
import urllib
import json
import socket
import urllib.request
import urllib.parse
import urllib.error
#
设置超时
from random import randint
import time
timeout = 5
socket.setdefaulttimeout(timeout)
class Crawler:
#
睡眠时⻓
__time_sleep = 0.1
__amount = 0
__start_amount = 0
__counter = 0
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}
__per_page = 30
#
获取图⽚
url
内容等
# t
下载图⽚时间间隔
def __init__(self, t=0.1):
self.time_sleep = t
#
获取后缀名
@staticmethod
def get_suffix(name):
m = re.search(r'\.[^\.]*$', name)
if m.group(0) and len(m.group(0)) <= 5:
return m.group(0)
else:
return '.jpeg'
#
保存图⽚
def save_image(self, rsp_data, word):
if not os.path.exists("./" + word):
os.mkdir("./" + word)
#
判断名字是否重复，获取图⽚⻓度
self.__counter = len(os.listdir('./' + word)) + 1
for image_info in rsp_data['data']:
try:
if 'replaceUrl' not in image_info or len(image_info['replaceUrl']) < 1:
continue
obj_url = image_info['replaceUrl'][0]['ObjUrl']
thumb_url = image_info['thumbURL']
url = 'https://image.baidu.com/search/down?tn=download&ipn=dwnl&word=download&ie=utf8&fr=result&url=%s&thumburl=%s'
urllib.parse.quote(obj_url), urllib.parse.quote(thumb_url))
time.sleep(self.time_sleep)
suffix = self.get_suffix(obj_url)
#
指定
UA
和
referrer
，减少
403
opener = urllib.request.build_opener()
opener.addheaders = [
('User-agent', 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'
]
urllib.request.install_opener(opener)
#
保存图⽚
filepath = './{}/PME_{}_A{}'.format(word, randint(
1000000, 500000000), str(self.__counter) + str(suffix))
for _ in range(5):
urllib.request.urlretrieve(url, filepath)
if os.path.getsize(filepath) >= 5:
break
if os.path.getsize(filepath) < 5:
print("下载到了空⽂件，跳过!")
os.unlink(filepath)
continue
except urllib.error.HTTPError as urllib_err:
print(urllib_err)
continue
except Exception as err:
time.sleep(1)
print(err)
print("产⽣未知错误，放弃保存")
continue
else:
print("图+1,已有" + str(self.__counter) + "张图")
self.__counter += 1
return
#
开始获取
def get_images(self, word):
search = urllib.parse.quote(word)
# pn int
图⽚数
pn = self.__start_amount
while pn < self.__amount:
url = 'https://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%s&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=&hd=&latest=©right=&word=%s&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&expermode=&force=&pn=%s&rn=%d&gsm=1e&1594447993172='
search, search, str(pn), self.__per_page)
#
设置
header
防
403
try:
time.sleep(self.time_sleep)
req = urllib.request.Request(url=url, headers=self.headers)
page = urllib.request.urlopen(req)
rsp = page.read()
except UnicodeDecodeError as e:
print(e)
print('-----UnicodeDecodeErrorurl:', url)
except urllib.error.URLError as e:
print(e)
print("-----urlErrorurl:", url)
except socket.timeout as e:
print(e)
print("-----socket timout:", url)
else:
#
解析
json
try:
rsp_data = json.loads(rsp)
self.save_image(rsp_data, word)
#
读取下⼀⻚
print("下载下⼀⻚")
pn += 60
except Exception as e:
continue
finally:
page.close()
print("下载任务结束")
return
def start(self, word, total_page=2, start_page=1, per_page=30):
"""
爬⾍⼊⼝
:param word: 抓取的关键词
:param total_page: 需要抓取数据⻚数 总抓取图⽚数量为 ⻚数 x per_page
:param start_page:起始⻚码
:param per_page: 每⻚数量
:return:
"""
self.__per_page = per_page
self.__start_amount = (start_page - 1) * self.__per_page
self.__amount = total_page * self.__per_page + self.__start_amount
self.get_images(word)
if __name__ == '__main__':
crawler = Crawler(0.05) #
抓取延迟为
0.05
crawler.start('玩⼿机')
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
博客 专栏课程 下载 问答 社区 插件 认证
⽬标检测
搜索
会员中⼼ 收藏 动态 消息
创作
下载后可阅读完整内容，剩余1页未读，立即下载
5星 · 资源好评率100%118 浏览量
5星 · 资源好评率100%189 浏览量
5星 · 资源好评率100%176 浏览量
5星 · 资源好评率100% 5星 · 资源好评率100%172 浏览量
152 浏览量
5星 · 资源好评率100% 5星 · 资源好评率100%179 浏览量
2020-07-03 上传
2021-06-21 上传
5星 · 资源好评率100%2020-12-21 上传
615 浏览量
资源评论
叫我胡胡
- 粉丝: 0
最新资源
- 异构混合阶多智能体系统(含UGV和UAV)的一致性验证：动态与静态一致性结果
- MATLAB中自适应动态规划与线性系统最优输出调节的技术解析及应用
- 基于Matlab的数字滤波器设计与FFT频谱分析程序集成解决方案
- 基于TTAO优化器的CNN-LSTM回归预测模型：MATLAB实现与应用
- 基于Matlab仿真的倒立摆控制系统设计与GUI操作指南
- 电池管理领域自适应模糊双闭环Fuzzy-PI控制策略及其在SOC主动均衡中的应用与优化 Fuzzy-PI
- 利用COMSOL构建简化的P2D锂离子电池模型：基于公开电化学参数的准二维验证 COMSOL 经典版
- 计算机控制系统设计：三阶系统控制方法探讨——最少控制系统、史密斯预估补偿器、大林算法的应用
- 射流气动噪声的近场远场计算及fluent流场求解导出、Lms声辐射计算方法与实现 四极子声源 完整版
- 物流仓储货位分配优化的遗传算法Matlab实现及其应用
- 虚拟同步发电机（VSG）单电流环控制与中点电位平衡控制、SPWM调制 · VSG v2.1
- Simulink中基于MRAS的永磁同步电机无速度传感器控制仿真模型及其应用 - MATLABSimulink
- 新能源汽车热管理1D分析模型及应用——基于KULI软件的整车级工况仿真
- Abaqus三点弯裂纹扩展模拟：骨料占比、界面强度对混凝土断裂性能的影响 · 内聚力单元 2024版
- 基于Cruise与MATLABSimulink的燃料电池汽车多点恒功率控制策略联合仿真研究
- 【24年最新算法】'NRBO-LSSVM交叉验证'：第一个人使用的Matlab代码 权威版
