1.物体認識（検出）
1. 重みを選択する
例証します:
- yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt は、人、猫、犬、車などの一般的なオブジェクトを認識できる組み込みの事前トレーニング ウェイトです。
- 自己トレーニング ウェイトを選択して、特定のオブジェクトを識別および検出できます
2. 身分証明書をアップロードする
2. オブジェクトトレーニング
1. 画像アノテーション
1.1 新しいデータセットを作成する
注意: 中国語は使用しないでください。
1.2 写真をアップロードする
注: 画像名を中国語で表示することはできません。
1.3 ラベル付きデータセットを選択する
1.4 新しいラベルクラスの作成
1.5 ラベル表示
現在の画像をマークするたびに保存する必要があることに注意してください。
2. ウェイトトレーニング
2.1 データセットの選択
注: データ セットは完全にラベル付けされている必要があります。つまり、各画像には対応するラベル付け情報が必要です。
2.2 トレーニング前のウェイトを選択する
2.3 その他のトレーニングパラメータ
2.4 トレーニングを開始する
トレーニング ログの出力がメモリ制限を超える場合は、バッチ サイズ パラメーターを適切に減らしてください。
3. 業績と損失
3.1 トレーニングログの表示
3.2 トレーニング重量の検出
3. プロジェクトの展開
1. 環境要件
1.1 Dockerコンテナ
- システム テスト環境は Ubuntu 16.04.6 LTS、Linux カーネルは 4.15.0 です。
Static hostname: 304
Icon name: computer-desktop
Chassis: desktop
Machine ID: 1d0f19d8da7049cdaa13ef3402ecdc18
Boot ID: a07e6032ce044fac872d74c61b339b8f
Operating System: Ubuntu 16.04.6 LTS
Kernel: Linux 4.15.0-70-generic
Architecture: x86-64
- Docker コンテナーのバージョンは 19.03 です。新しいバージョンの Docker を使用してみてください。
Docker version 19.03.13, build 4484c46d9d
1.2 必要な画像
- mysql:5.7 mysql データベースミラーリング
docker pull mysql:5.7
- flasktrain:最新のプロジェクト ミラー
docker pull registry.cn-hangzhou.aliyuncs.com/lvjune/yolov5_train_system:latest
または Dockerfile からビルドします。
docker build . -t yolov5-train-system:latest更新: ローカルに保存された sqlite3 データベースを優先して、mysql データベースの使用を削除しました。
2. プロジェクトの構成
2.1 データベース構成
- ホストポート 33066、root パスワード 123456 にマップされた mysql データベースコンテナを開始します。
docker run -d -e MYSQL_ROOT_PASSWORD=123456 -p 33066:3306 mysql:5.7
- 起動してコンテナに入り、データベースを作成します
mysql -uroot -p123456
create database train_system;
2.2 研修システムの構成
- flasktrain コンテナを開始し、3 つのポートをマップします。つまり、5050 はバックエンド アクセス ポートに対応し、6060 は Tensorboard アクセス ポートに対応し、8080 はフロントエンド アクセス ポートに対応します。
docker run -d -p 5050:5000 -p 6060:6006 -p 8080:80 flasktrain
- コンテナを起動してに入り、フロントエンド アクセス サーバーのアドレスを変更します。
vim /train/vue/config.js
FLASK_CONFIG.baseUrl = "http://服务器IP地址:5050"
FLASK_CONFIG.tensorboardUrl = "http://服务器IP地址:6060/"
更新: nginx をリバース プロキシとして使用すると、コンテナ内のフロントエンドとバックエンドのクロスドメイン アクセスの問題が解決されます。詳細については、nginx.confファイルのプロキシの内容を参照してください。ポートとアドレスのアクセス構成を手動で変更する必要はありません。
3. プロジェクトの実行
3.1 フロントエンドの実行
service nginx start
3.2 バックエンドの実行
cd /train && python run.py
3.3 ブラウザアクセス
http://服务IP地址:8080/
更新: 次のように、 startup.shファイルに起動コマンドを書き込みます。
#!/bin/bash
# cd /train
host=`cat /etc/hosts | awk 'END {print}' | cut -f 1`
sed -i "s/127.0.0.1/${host}/g" nginx.conf
nginx -c /train/nginx.conf
python run.py
# docker run -d -p 80:80 yolov5trainsystem ./startup.sh
# set ff=unix
# chmod +x ./startup.shまずコンテナ内のdockerによって割り当てられた仮想アドレスを取得し、ホストアクセス用のnginxプロキシの127.0.0.1を置き換えてから、nginxフロントエンドとflaskバックエンドを起動します。
コンテナコマンドを開始します。
docker run -d -p 80:80 yolov5trainsystem:latestブラウザはポート 80 にアクセスします。
4. システムのソースコード
ソースコードのダウンロードリンク: https://download.csdn.net/download/weixin_47367099/85441361