yolov5算法，训练模型，模型检测

嘟嘟嘟嘟！工作需要，所以学习了下yolov5算法。是干什么的呢？
通俗来说，可以将它看做是一个小孩儿，通过成年人（开发人员）提供的大量图片的学习，让自己知道我看到的哪些场景需要提醒给成年人（开发人员）。也算是一个脚指头踩在了人工智能的门口。
我们使用时可以对他做的呢，有以下几点（就想象成孩子已经出来了）：

1. 寻找他可能遇到的场景，成年人在场景上标注“没戴口罩的”、“没戴安全帽的”、“貌似是火源的”…在给孩子找这些场景时，成年人也会精心选择，将其分为标准的很简单看出来的（训练集train）、不很容易的需要仔细学习的（验证集val）、用来测试学习成果的（测试集test）
2. 孩子的大脑驱动着，记录这些图片的标准参数（训练集图片）、超参数（验证集图片）
3. 孩子学完之后，成年人可以用测试集中的图片对训练出来的成果做验收，验收成功后，成年人就可以让孩子自己去玩
4. 孩子在玩的过程中，发现了自己学习中的场景，至于是要孩子回来报告给成年人，还是只是孩子自己知道就可以，这就看开发者了。

源码

如果没看懂，可以看下这个链接，超详细
https://blog.csdn.net/ECHOSON/article/details/121939535?ops_request_misc
接触到了两个，一个是口罩检测模型，一个是安全帽检测模型，源码嘛，都是人家自己的。下面就是下载地址
口罩模型检测源码
安全帽模型检测源码
只是得到源码，其实做不了什么的，除非特有耐心还要有GPU，否则只是在训练模型阶段，就已经…dddd

训练模型

资源已经上传
这是地址

所需安装的程序

• anaconda
• pycharm
  其他的程序只在虚拟环境中安装就可以了

环境配置

一、Anaconda、pycharm安装

anaconda官网：https://www.anaconda.com/products/distribution#Downloads

pycharm官网：https://www.jetbrains.com/pycharm/

二、环境安装验证

• 桌面右击，显示“open folder as pycharm project”，就表示pycharm安装成功了
• 任意一个文件夹，使用cmd打开。执行“conda activate”，在下一命令行前出现了base就是anaconda安装成功了。
  

三、换源（可以省略）

使用过程中，需要在虚拟环境中下载各种源，换源的目的是可以使下载速度快些。此处是换了中科大的源。直接复制粘贴到命令行执行就行

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

四、虚拟环境

我们已经有yolov5的源码了，可以直接在项目中，打开cmd。
还有另一种选择，直接用anaconda prompt执行也可以，可以使用cd命令跳转文件夹。

执行

conda create -n 环境名
conda create -n 环境名 python=3.8  后面最好是写下Python版本，不然后面有个依赖叫pycocotools的，很恶心，没有对应python3.9的版本

这样就创建了一个虚拟环境，创建后环境的查看

conda info --env
或者conda env list

创建成功后，激活，就相当于虚拟环境的入口指令，每次要使用虚拟环境中的包都需要执行

conda activate 环境名    或者    activate 环境名

五、安装依赖

下面的依赖都要在虚拟环境中安装，使用时，直接使用这个虚拟环境，如果使用其他虚拟环境或者base环境，是检测不到依赖的

1、pytorch

pytorch是用python语言打造的一款深度学习框架，既可实现强大的GPU加速，也可支持动态神经网络。yolov5算法在GPU和CPU情况下都可以使用，但是pytorch要区分是在GPU下使用还是CPU使用，而且提醒一下CPU去训练模型时，会让你感动到哭
安装pytorch，要注意自己是GPU还是CPU，此处以CPU为例哈，GPU和他差不多

pytorch官网获取安装命令
官网：https://pytorch.org/get-started/locally/

这个命令直接在虚拟环境中执行就可以了，如果要带着后面的 -c pytorch ,表示是从国外的源下载，那么前面配置源的地方就没用。看自己，想用哪个用哪个

conda install pytorch torchvision torchaudio cpuonly -c pytorch

2、pycocotools

pip insatll pycocotools-windows

3、其他包

yolov5算法项目中包含一个requirement.txt文件，里面就标注了需要的依赖。

pip install -r requirement.txt
pip insatll pyqt5
pip install labelme

六、pycharm的配置

这一步是对pycharm打开的项目配置虚拟环境，所以前提就是要有虚拟环境和项目。
pycharm打开项目，右下角的初始状态应该是NO interpreter,点击就会出现设置和添加。

第一次的话直接添加就可以了

后面其他项目要使用同一虚拟环境时，点击设置-show all就可以展示之前的虚拟环境

七、训练模型

数据集分为三部分，训练集train、验证集val、测试集test。之前看过的一个分配比例是60%、20%、20%。数据集标注的位置文件就在与images同级的labels文件夹中，且这个文件夹中结构与images相同，有train/val/test。

首先，要训练模型就要先找数据集，人工去标注图片，让程序学习。
标注的工具就是labelimg
安装命令

pip install labelimg

安装成功后，使用时，在虚拟环境中执行 labelimg 命令，就可以打开界面。这里要注意，一定要将文件类型改成yolo类型，就是下图中yolo的位置。

标注后生成的文件如下

每一行就是一个目标的数据，分别是目标的类别id（戴口罩或没带口罩)、归一化处理后的中心点X坐标、y坐标、框的w和h。

数据集配置文件，名字可以随意，内容一定要包含这几项。

模型配置文件

预训练模型

训练的执行文件

训练模型命令：

python train.py --data 数据集配置文件名称 --cfg 模型配置文件名称 --weights 预训练权重文件 --epoch 100 --batch-size 4 --device cpu

不使用命令执行的话，train.py文件中有配置的位置，只要对应修改就可以了

之后直接执行 python train.py即可

执行之后，等待即可，生成的文件可在runs/train文件夹中查看。

八、模型检测

模型检测，使用的是detect.py文件，运行命令如下：

python detect.py --source   要检测的图片或mp4文件位置 --weights 训练出来的模型/runs/train/exp_yolov5s/weights/best.pt
python detect.py --source 0    检测摄像头，这个没成功
python detect.py --source 'rtsp地址'      根据rtsp地址检测摄像头

不想要那么长的命令，可以直接修改detetct.py文件中的位置

然后直接执行 python detect.py 即可