模型简介

YOLOv5是一个在COCO数据集上预先训练的目标检测体系结构和模型家族，代表了Ultralytics对未来视觉人工智能方法的开源研究，结合了在数千小时的研究和开发过程中积累的经验教训和最佳实践。

• 1. 使用方法

  • 1.1. 预训练模型推断

  • 1.2. 预训练模型简介

  • 1.3. 准备数据集

  • 1.4. 模型训练

• 2. 模型来源

1. 使用方法

1.1. 预训练模型推断

在终端中，在/root/yolov5（默认）路径下，运行以下命令：

python detect.py --source data/images --weights /modelsets/yolov5/yolov5x.pt
# 数据输入：在--source后注明待检测的视频、图像、文件夹路径、YouTube视频网址、RTSP/RTMP/HTTP stream。
# 数据输出：推断运行结束后，会在/root/yolov5/runs/detect/路径下输出运行结果。

1.2. 预训练权重简介

在路径/modelsets/yolov5下，有权重文件：yolov5l.pt、yolov5m.pt、yolov5s.pt、yolov5x.pt。可按需更改文件进行推断 。

1.3. 准备数据集

该模型训练使用的是coco128数据集，执行训练命令，即可自动下载数据集。

1.4. 模型训练

在终端中，在/root/yolov5（默认）路径下，运行以下命令：

python train.py --data coco128.yaml --cfg yolov5s.yaml --weights '' --batch-size 16
# 上述命令是指用单卡GPU在COCO128数据集上运行yolov5训练任务。 
# 数据输出：推断运行结束后，在/root/yolov5/runs/train/路径下，会输出运行结果。
# 权重文件路径：/modelsets/yolov5，有权重文件：yolov5l.pt、yolov5m.pt、yolov5s.pt、yolov5x.pt。

提示 ：单卡2080TI需要约10分钟完成上述任务，可根据需求调整GPU数量或参考下文调整训练参数。

2. 模型来源

https://github.com/ultralytics/yolov5