1、YOLOv5的训练
yolov5的原理什么的就不说了，百度搜一搜不少，这里具体说一下怎么训练本身的数据集，官方的yolov5是在coco数据集上训练的，本文是在voc数据集上进行训练，对于本身的训练数据能够仿照voc数据集进行制做！python
YOLOv5的git项目：参考github项目YOLOv5，若须要官方的预训练权重，该项目的大佬也给出了，感谢大佬作出的工做！将项目git到本地！git
1.建立数据集文件夹
数据存放的目录以下：
在datasets文件夹下创建以下文件目录，其中训练须要用到的是score/images和score/labels两个，image下分为了train和val两个文件夹，其中分别放的是训练图片和测试图片，以下所示：
labels文件夹下放的对应的labels文件，labels文件格式以下：
每个txt文件都是一张图片的label和location信息，这里面的数据是从xml文件中提取出的，第一个表示类别，后面时归一化后的坐标值，至此数据就准备结束！github
2.修改数据集配置文件
在data文件下存放着数据集对应的配置文件yaml文件，主要指明了数据集的路径信息，以下：须要根据本身的数据集修改相应的信息！测试
3.选择模型，修改相应的配置文件
yolov5官方一共提供了yolov5s.yaml、yolov5m.yaml、yolov5l.yaml、yolov5x.yaml四个不一样大小的模型，他们的精度与速度也各有不一样，官方有给出具体的数据，以下所示：你们能够根据本身的需求选择相应的模型，我这里选择的时最小的yolov5s模型，由于速度最快！！！选择什么模型，就须要修改models文件夹下对应的yaml文件，这里咱们须要修改yolov5s.yaml文件：须要修改的地方就一个，就是本身的类别数量nc，voc数据集是20类，所以将nc改成20！spa
4.开始训练
在train.py文件里修改相应的训练参数：batch、epoch、cfg、data等参数，可参考个人设置以下如若须要加载预训练权重或者断点续训，可将train.py中下面两行代码进行修改，从头开始训练就将下面第一行代码打开，第二行注释，反之就是加载预训练权重或断点续训：code
# parser.add_argument('--resume', action='store_true', help='resume training from yolov5s_last.pt')#从头开始训练 parser.add_argument('--resume', default='weights/yolov5s_last.pt', help='resume training from yolov5s_last.pt')#加载预训练权重或断点续训
2、YOLOv5模型的测试
1.测试MAP
测试map的代码时test.py，根据须要修改weights、batch、data等参数，可参考以下：可能会报错cuda内存不够，此时将batch改小就行，根据须要修改conf-thres阈值(分类得分阈值)和iou-thres(iou阈值)。
本文一共训练了500个epoch，测试map结果以下：最终的MAP值为51.5，比官方差点(毕竟是官方)！！！视频
2.测试图片或者视频
这部分的代码在detect.py里，也是自行按需修改，可参考本文的设置：里面我作了一些小的调整，主要是要修改测试图片和视频的路径，你们根据本身实际状况来，若有疑问，评论区可留言！！！测试图片和视频都是这个代码，很方便！！！！xml
下面就是摆效果图的时刻了！！！！
不得不说，yolov5是真的很强，速度还贼快！！！！
视频测试的效果就不放了，太大了，你们本身去尝试吧！！！图片
YOLOv5训练测试这块说完了，下面就要介绍pt模型转onnx转ncnn了，下次见！！！！！！！！！内存