yolov5-7.0实例分割操作步骤

2023-12-22 02:18:56

由于打小语文就没及格过,写作水平有限看不懂的建议直接跳过 哈哈哈
1. 先制作数据集
1.1 建议使用anaconda3来安装python环境,这个我就不多说了自己下载安装 下载地址,不管是python直接安装环境还是anaconda3来安装环境都可以,我的python环境是3.8.16
1.2 制作数据集我使用labelme来弄,先安装labelimg工具 pip install labelme
1.3 直接打开安装好的labelme工具,
在这里插入图片描述
1.4 选择opendir 这个打开要标记的图片所在文件夹,选中文件夹以后里面的图片会导入到labelme里面去,然后就开始标记,然后保存,保存出来是个json格式的文本,然后把图片转换成yolov5实例分割支持的txt文本,到这里数据集就制作完成了,如果labelme打开报错,那可能你需要降低你的python版本
在这里插入图片描述
2. 下载官方的yolov5-7.0的代码,下载地址
3. 我使用的是pycharm工具来打开yolov5-7.0这个项目,这个也是需要下载训练和推理环境的,gpu的需要单独安装cuda,并且去pytorch官方获取下载支持gpu的torch命令,使用pip install ultralytics 这个安装命令也可以安装环境,但是估计是cpu的,环境都好安装的,不会的可以问我
在这里插入图片描述

4. 实例分割单独给了一个目录是在segment下面,里面包含训练、推理、测试三个py文件,这里训练主要使用训练py,这里的参数使用过目标检测的应该都知道没啥可说的,也可以通过命令传入参数进去执行,或者在里面配置好参数,直接小绿标run运行
在这里插入图片描述

5. 开始训练
在这里插入图片描述
6. 训练完成以后的模型保存在runs/train-seg下面,到这里训练就结束了,然后推理
在这里插入图片描述
7. 推理模型,可以使用pt或者onnx模型,onnx的推理yolov5给出单独的代码

python segment/predict.py --weights .\runs\train-seg\exp8\weights\best.pt--source .\data\images\bus.jpg 

推理的结果在runs/predict下面,到这里就成功了

总结:
1.准备图片
2.安装制作数据集环境
3.制作数据集
4.下载官方代码
5.安装训练环境
6.运行训练代码
7.推理出训练结果

文章来源:https://blog.csdn.net/qq_37797583/article/details/135131368
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。