关于人工智能识别口罩的训练之个人的一些想法
第一步
利用labellmg软件(建议在linux或者win系列上)完成口罩数据采集,圈定口罩范围。自定义数据文件夹,放置两个文件夹,一个是测试,一个是模拟(通常是3比1),并且将文件放置到labellmg文件下。记得是yolo格式
利用create来进行识别口罩,每次识别完成后记得保存
可以利用python自动化办公来编写文件的顺序。
Open dir 与open 分别放入不同的文件夹,用于存放数据。
第二步,配置服务器
配置使用云服务器来训练相关神经网络模型
使用阿里云服务器训练yolov5模型
注意,选择不同的地点有不同的算力支持。
选择配置,按量计,AI机器学习,gpu选择6通道
费,按需选取。选择图示配置即可,
配置服务器,点远程控制,切换到root并安装所需的文件
su
cd
sudo apt-get install vim #vim
sudo apt-get unzip #解压
sudo apt-get zip #压缩
sudo apt-get install screen #保护进程会话
配置环境(方法一种)
把Anaconda3下载到自己的本地目录,之后用scp上传到服务器
,直到安装完成。出现(sh Anaconda3-5.3.0-Linux-x86.sh)配置成功
把Anaconda回到环境变量
把bin路径加到文件末尾,保存文件并退出
使用环境生效,出现这个
conda create --name yolov5 python=3.7
conda activate yolov5
可以从git下载源码,或者自己动手做。
上传到服务器,切换到服务器
上传完成后,把数据分成训练集和测试集,用于检测是否达标。
(注意要使用coco的格式,转换成yolov5的格式)
导入训练集
5.训练模型
screen -S yolo
yolo 是一个标记,可以自己随便填,用来分辨该窗口的用途,避免窗口多了自己混淆
screen -ls #查看进程
screen -r -d 1020 #后台运行的screen进程
kill -9 1020 #杀死不需要的进程
screen -wipe #检查目前所有的screen作业,并删除已经无法使用的screen作业
激活环境
训练模型
python train.py --cfg models/yolov5s.yaml --data data/ODID.yaml --hyp data/hyp.scratch.yaml --epochs 100 --multi-scale --device 0