深度学习系列内容请打开如下

深度学习-第一章-Window下用Anaconda安装Yolov5_Blueeyedboy521的博客-CSDN博客

深度学习-第二章-Window下Yolov5训练打电话_Blueeyedboy521的博客-CSDN博客

下载源码

github：git clone https://github.com/ultralytics/yolov5

并用vscode打开；注意切换到V6.0的分支

新建data目录

# 新建备份data

cp -rp data data_old

准备训练集

将img.zip拷贝到刚创建的data目录下，并解压

同时拷贝custome.yaml到此文件夹

有图片和对应的label信息

修改配置

修改custom.yaml中类别

拷贝process-date文件夹到data目录

修改yolov5s.yaml设置类别

修改train.py中自定义部分

parser.add_argument('--weights', type=str, default=ROOT / 'weights/yolov5s.pt', help='initial weights path')
parser.add_argument('--cfg', type=str, default='models/yolov5s.yaml', help='model.yaml path')
parser.add_argument('--data', type=str, default=ROOT / 'data/custom.yaml', help='dataset.yaml path')

开始训练

D:\ai\yolov5> python.exe .	rain.py
1

训练结束之后

训练结束之后生成了模型文件

测试

评估模型好坏就是在有标注的测试集或者验证集上进行模型效果的评估，在目标检测中最常使用的评估指标为mAP。在test.py文件中指定数据集配置文件和训练结果模型。切记推理之前把yolo.py改回去

# 测试单张图片
python.exe detect.py --weights runs	rain\exp4\weights\best.pt --source test/143.jpg
# 测试多张图片
python.exe detect.py --weights runs	rain\exp4\weights\best.pt --source test/
# 结果
Results saved to runs\detect\exp
# 通过调用笔记本的摄像头来推理
python.exe detect.py --weights runs	rain\exp4\weights\best.pt --source 0
# 读取，MP4推理
python.exe detect.py --weights runs	rain\exp4\weights\best.pt --source D:\ai\yolov_first\yolov5	est\output_s.mp4
1

效果：

注意：文档中涉及到的素材和代码，请关注并私信我