1.下载YOLOv5模型及权重文件
git clone https://github.com/ultralytics/yolov5
并将权重文件放在YOLOv5下的weights文件夹下
2. 安装所需的库
pip install -r requirements.txt
3.检验是否可以运行
python3 detect.py
4.放入图片及标签
将Windows下的图片和txt标签压缩为zip,通过rz传输到服务器上 。
在服务器下通过
unzip 文件名 -d 解压路径
将传输的图片标签解压导服务器上。并在YOLOv5的data下新建images、labels、ImageSets三个文件夹(mkdir)
再通过命令
mv 移动的图片/标签 移动到的路径
将解压的图片和标签放入data下的images和labels下
再cd 到YOLOv5目录下,通过rz将makeTxt_for_txt.py和voc_label_for_txt.py传输到服务器上来
#先运行makeTxt_for_txt.py
python3 makeTxt_for_txt.py
#再运行voc_label_for_txt.py
python3 voc_label_for_txt.py
在ImagesSets下新建了四个txt文件;
在data下新建了data/train.txt、data/train.txt、data/val.txt三个txt;
5.将修改好的配置文件通过rz传入服务器,并移动到data下
6.将models下的yolov5s.pt中的nc改成自己的种类数
7.开始训练
python3 train.py --img-size 640 --batch-size 16 --epochs 80 --data data/food.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt
通过--变量 参数 给train.py指定各种参数,就可以开始训练
训练完后得到best.py和last.py
8.推测
训练完后将得到的best.py放入detect.py的第一行,第二行再指定图片或视频
通过命令行
python3 detect.py --weights weights/best.pt --source 图片或视频路径
进行推测并得到结果,然后cd到结果所在的路径,通过sz 图片名称 将图片传输到Windows进行查看推测效果。