Yolo算法入门介绍

Yolov5算法

基本名词解释：

数据集train 用来训练模型的图片数据及标签。
验证集valid 优化模型参数。每一个Eporch运行一次，确保程序走在往效果变好的方向
测试集test 用来检验程序成果，评价模型的效果。
mAP ，即平均平均精度。一种模型的评价指标。用来描述模型的检测精度。
P 精度
R 召回率

└─ Datasets
       ├─ test
       │    ├─  image    
       │    └─  labels
       ├─ train
       │    ├─  image    
       │    └─  labels
       │
       └─ val
       	├─  image    
           └─  labels
      

requirements.txt文件是保存了依赖目录，运行前确保安装了上述依赖。

几个重要的Python文件的用途介绍。

• train.py文件是用来训练模型的
• val.py文件是用来验证数据集的效果，获得最佳的mAP
• detect.py文件主要是用来推理的

下面给一个执行train.py示例代码。

Usage - Single-GPU training:
    $ python train.py --img 640 --batch 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt (recommended)

各个参数的含义如下

img 指定输入图像的大小
batch 一组(批次)放入多少张图片
epochs 一共循环多少次
data 数据集的目录
weights 使用什么类型的模型。Yolo提供了小、中、大等几个预训练模型。根据需要选择。
cache 指定缓存大小。可选择–cache ram 或是 –cache disk

训练完后的数据一般都在runs/train目录下