Clasificación de imágenes usando yolov5

inserte la descripción de la imagen aquí
inserte la descripción de la imagen aquí

antes del comienzo

Deberías clonar este repositorio primero

git clone https://github.com/ultralytics/yolov5 # clone

Una vez completada la descarga, ingrese el directorio del almacén clonado

cd yolov5

descargar dependencias

pip install -r requirements.txt # install

Descarga de conjunto de datos

Aquí he preparado un conjunto de datos. Para facilitar la descarga, no hay muchos conjuntos de datos en el conjunto de datos.Al final, compartiré algunas direcciones de descarga de conjuntos de datos.

Descarga del conjunto de datos de clasificación de basura
Código de extracción: nr5i

Después de descomprimir, verá estas carpetas:

Por favor agregue una descripción de la imagen
Ver parte del contenido al azar.
Por favor agregue una descripción de la imagen
Lo descomprimí aquí a unmis datosTabla de contenido. Esto no es obligatorio, pero deberá poder encontrar su directorio de conjuntos de datos más adelante.

Nuevo archivo de configuración

El significado de cada archivo es más o menos el siguiente:

  0: cardboard #纸板
  1: glass #玻璃
  2: metal #金属
  3: paper #纸
  4: plastic #塑料
  5: trash #垃圾

entrenamiento ejecutivo

Antes de comenzar, descargue yolov5s-cls.ptel modelo con anticipación, recuerde esta ubicación, ya que la necesitará para comenzar a entrenar dinero a continuación.

Haga clic para descargar el modelo yolov5s-cls.pt

python classify/train.py --model yolov5s-cls.pt --data mydata --epochs 5 --img 224 --batch 128

selección de modelo

Se usa cuando se realiza el entrenamiento --model yolov5s-cls.pt. Este es un modelo. Puede consultar la selección específica en la figura a continuación. Si elegimos yolov5x, puede usarlo --model yolov5x-cls.pt. Se recomienda usarlo yolov5s. A menos que necesite una precisión muy alta, de lo contrario necesita pasar mucho tiempo y soporte de hardware suficiente para entrenarlo.

inserte la descripción de la imagen aquí

entrenamiento completado

Ese best.ptes el modelo entrenado, está en runs/el directorio.

inserte la descripción de la imagen aquí

Probar el modelo para hacer predicciones

Elige una imagen para probar:

inserte la descripción de la imagen aquí

python classify/predict.py --weights runs/train-cls/exp9/weights/best.pt --source metal4.jpg

inserte la descripción de la imagen aquí

Felicitaciones, ha entrenado con éxito un modelo de clasificación simple.

Descarga de modelo personalizado

Si no desea entrenar el modelo desde cero, puede descargar este modelo entrenado para el paso anteriorProbar el modelo para hacer predicciones

Descarga del modelo de clasificación

Código de extracción: jycq

Uso compartido de direcciones de descarga de conjuntos de datos

1: dirección de descarga del conjunto de datos 1

2: dirección de descarga del conjunto de datos 2

pregunta

Si hay un problema durante la operación, bienvenido a consultar.

Supongo que te gusta

Origin blog.csdn.net/qq_41974199/article/details/130878168
Recomendado
Clasificación