来源

从网上的博客无意看到了yolov5网络,感觉十分神奇,其在前几代的基础上提升超大。下面来简单介绍下怎么白嫖调用,顺便记录一下,以后供自己参考。

环境安装

环境使用的是CUDA11.0 + pytorch1.8.1。代码是从github仓库上直接下载的,这是下载的仓库链接

下好了之后解压就OK,下面是代码文件解压完成后的界面。

image-20210330172641198

因为现在下载的代码只是一个模型,还没有之前训练好的参数,于是我们还要再下载权重文件,这是权重文件的下载链接 提取码:f562 下载好后把权重文件解压到weights里面去image-20210330172921670

然后如果按照网上的教程还需要打开Anaconda Prompt安装依赖(我也试了试,但是会报错,这里存疑)

pip install -U -r requirement.txt (慎用)!!

image-20210330173809257

然后打开detect.py,直接运行,程序会把yolov5-master/data/images里面的图片、视频加上识别的框框,输出到yolov5-master/runs/detect/exp里面。

下面是运行结果,我们可以看到,程序调用了GPU加速,将yolov5-master/data/images里面的文件进行逐个转化。

Backend Qt5Agg is interactive backend. Turning interactive mode on.
Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.25, device='', exist_ok=False, img_size=640, iou_thres=0.45, name='exp', nosave=False, project='runs/detect', save_conf=False, save_txt=False, source='data/images', update=False, view_img=False, weights='yolov5s.pt')
YOLOv5  2021-3-30 torch 1.8.1 CUDA:0 (GeForce RTX 3070, 8192.0MB)
Fusing layers... 
Model Summary: 224 layers, 7266973 parameters, 0 gradients, 17.0 GFLOPS
image 1/3 C:\Users\1\Desktop\AIProject\yolov5-master\data\images\0_5b320ea307eed_600.jpg: 640x640 1 cup, 3 books, Done. (0.009s)
image 2/3 C:\Users\1\Desktop\AIProject\yolov5-master\data\images\Rbd73989dd5db0220e505d9d1e6a9f9ca.jpg: 416x640 11 persons, 1 sports ball, 1 tennis racket, Done. (0.012s)
image 3/3 C:\Users\1\Desktop\AIProject\yolov5-master\data\images\f785c146770df6d90089740495b4780d.jpg: 448x640 6 persons, 2 sports balls, Done. (0.014s)
Results saved to runs\detect\exp3
Done. (0.095s)

然后找到输出文件夹并打开,看到识别好的图片、视频,感觉真不错。(之前尝试转化了一段视频上去,但是太大了,故放到了万恶的百度网盘中,想要观看效果请点击链接下载,提取码是:b6ir。

0_5b320ea307eed_600 Rbd73989dd5db0220e505d9d1e6a9f9ca f785c146770df6d90089740495b4780d

关于yolov5还有很多细节要讲,我这里只说怎么最快打开调用,最后推荐两个b站视频↓,我就是看了这个视频才成功调用的。请按照我博客列出的先后顺序观看,它们同时也是这篇博客的参考资料。

参考资料兼安利:

[目标检测YOLOv5速度更快最快可达140fps体积…(名字太长)]

[使用YOLOv5训练模型]