在win11上跑yolo目标检测算法全流程

2024-11-01 08:30   重庆  

点击下方卡片,关注“机器视觉与AI深度学习

视觉/图像重干货,第一时间送达!

一、在anaconda中创建虚拟环境yolov5,python版本不低于3.8即可。

  1. conda create -n yolo5 python==3.9  


二、激活环境,下载pytorch框架(以cpu版本为例),pytorch版本不低于1.8即可。

  1. activate yolov5  

  2. pip3 install torch torchvision torchaudio  


三、下载源代码

可以采用git或者pycharm终端来下载代码,并安装相关的库。

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

  2. cd yolov5  

  3. pip install -r requirements.txt  


四、YoLov5代码解析:

检测参数以及main函数解析


if __name__ == '__main__':    """    weights:训练的权重    source:测试数据,可以是图片/视频路径,也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流    output:网络预测之后的图片/视频的保存路径    img-size:网络输入图片大小    conf-thres:置信度阈值    iou-thres:做nms的iou阈值    device:设置设备    view-img:是否展示预测之后的图片/视频,默认False    save-txt:是否将预测的框坐标以txt文件形式保存,默认False    classes:设置只保留某一部分类别,形如0或者0 2 3    agnostic-nms:进行nms是否也去除不同类别之间的框,默认False    augment:推理的时候进行多尺度,翻转等操作(TTA)推理    update:如果为True,则对所有模型进行strip_optimizer操作,去除pt文件中的优化器等信息,默认为False    """    parser = argparse.ArgumentParser()    parser.add_argument('--weights', nargs='+', type=str, default='', help='model.pt path(s)')    parser.add_argument('--source', type=str, default='inference/images', help='source')  # file/folder, 0 for webcam    parser.add_argument('--output', type=str, default='inference/output', help='output folder')  # output folder    parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')    parser.add_argument('--conf-thres', type=float, default=0.65, help='object confidence threshold')    parser.add_argument('--iou-thres', type=float, default=0.5, help='IOU threshold for NMS')    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')    parser.add_argument('--view-img', action='store_true', help='display results')    parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')    parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')    parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')    parser.add_argument('--augment', action='store_true', help='augmented inference')    parser.add_argument('--update', action='store_true', help='update all models')    opt = parser.parse_args()    print(opt)
with torch.no_grad(): if opt.update: # update all models (to fix SourceChangeWarning) for opt.weights in ['yolov5s.pt', 'yolov5m.pt', 'yolov5l.pt', 'yolov5x.pt']: detect() # 去除pt文件中的优化器等信息 strip_optimizer(opt.weights) else: detect()



detect函数解析


vimpo argparseimport osimport platformimport shutilimport timefrom pathlib import Path
import cv2import torchimport torch.backends.cudnn as cudnnfrom numpy import random
from models.experimental import attempt_loadfrom utils.datasets import LoadStreams, LoadImagesfrom utils.general import ( check_img_size, non_max_suppression, apply_classifier, scale_coords, xyxy2xywh, plot_one_box, strip_optimizer)from utils.torch_utils import select_device, load_classifier, time_synchronized

def detect(save_img=False): # 获取输出文件夹,输入源,权重,参数等参数 out, source, weights, view_img, save_txt, imgsz = \ opt.output, opt.source, opt.weights, opt.view_img, opt.save_txt, opt.img_size webcam = source == '0' or source.startswith('rtsp') or source.startswith('http') or source.endswith('.txt')
# Initialize # 获取设备 device = select_device(opt.device) # 移除之前的输出文件夹 if os.path.exists(out): shutil.rmtree(out) # delete output folder os.makedirs(out) # make new output folder # 如果设备为gpu,使用Float16 half = device.type != 'cpu' # half precision only supported on CUDA
# Load model # 加载Float32模型,确保用户设定的输入图片分辨率能整除32(如不能则调整为能整除并返回) model = attempt_load(weights, map_location=device) # load FP32 model imgsz = check_img_size(imgsz, s=model.stride.max()) # check img_size # 设置Float16 if half: model.half() # to FP16
# Second-stage classifier # 设置第二次分类,默认不使用 classify = False if classify: modelc = load_classifier(name='resnet101', n=2) # initialize modelc.load_state_dict(torch.load('weights/resnet101.pt', map_location=device)['model']) # load weights modelc.to(device).eval()
# Set Dataloader # 通过不同的输入源来设置不同的数据加载方式 vid_path, vid_writer = None, None if webcam: view_img = True cudnn.benchmark = True # set True to speed up constant image size inference dataset = LoadStreams(source, img_size=imgsz) else: save_img = True # 如果检测视频的时候想显示出来,可以在这里加一行view_img = True view_img = True dataset = LoadImages(source, img_size=imgsz)
# Get names and colors # 获取类别名字 names = model.module.names if hasattr(model, 'module') else model.names # 设置画框的颜色 colors = [[random.randint(0, 255) for _ in range(3)] for _ in range(len(names))]
# Run inference t0 = time.time() # 进行一次前向推理,测试程序是否正常 img = torch.zeros((1, 3, imgsz, imgsz), device=device) # init img _ = model(img.half() if half else img) if device.type != 'cpu' else None # run once """ path 图片/视频路径 img 进行resize+pad之后的图片 img0 原size图片 cap 当读取图片时为None,读取视频时为视频源 """ for path, img, im0s, vid_cap in dataset: img = torch.from_numpy(img).to(device) # 图片也设置为Float16 img = img.half() if half else img.float() # uint8 to fp16/32 img /= 255.0 # 0 - 255 to 0.0 - 1.0 # 没有batch_size的话则在最前面添加一个轴 if img.ndimension() == 3: img = img.unsqueeze(0)
# Inference t1 = time_synchronized() # print("preprocess_image:", t1 - t0) # t1 = time.time() """ 前向传播 返回pred的shape是(1, num_boxes, 5+num_class) h,w为传入网络图片的长和宽,注意dataset在检测时使用了矩形推理,所以这里h不一定等于w num_boxes = h/32 * w/32 + h/16 * w/16 + h/8 * w/8 pred[..., 0:4]为预测框坐标 预测框坐标为xywh(中心点+宽长)格式 pred[..., 4]为objectness置信度 pred[..., 5:-1]为分类结果 """ pred = model(img, augment=opt.augment)[0] t1_ = time_synchronized() print('inference:', t1_ - t1)
# Apply NMS # 进行NMS """ pred:前向传播的输出 conf_thres:置信度阈值 iou_thres:iou阈值 classes:是否只保留特定的类别 agnostic:进行nms是否也去除不同类别之间的框 经过nms之后,预测框格式:xywh-->xyxy(左上角右下角) pred是一个列表list[torch.tensor],长度为batch_size 每一个torch.tensor的shape为(num_boxes, 6),内容为box+conf+cls """ pred = non_max_suppression(pred, opt.conf_thres, opt.iou_thres, classes=opt.classes, agnostic=opt.agnostic_nms) t2 = time_synchronized() # t2 = time.time()
# Apply Classifier # 添加二次分类,默认不使用 if classify: pred = apply_classifier(pred, modelc, img, im0s)
# Process detections # 对每一张图片作处理 for i, det in enumerate(pred): # detections per image # 如果输入源是webcam,则batch_size不为1,取出dataset中的一张图片 if webcam: # batch_size >= 1 p, s, im0 = path[i], '%g: ' % i, im0s[i].copy() else: p, s, im0 = path, '', im0s # 设置保存图片/视频的路径 save_path = str(Path(out) / Path(p).name) # 设置保存框坐标txt文件的路径 txt_path = str(Path(out) / Path(p).stem) + ('_%g' % dataset.frame if dataset.mode == 'video' else '') # 设置打印信息(图片长宽) s += '%gx%g ' % img.shape[2:] # print string gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] # normalization gain whwh if det is not None and len(det): # Rescale boxes from img_size to im0 size # 调整预测框的坐标:基于resize+pad的图片的坐标-->基于原size图片的坐标 # 此时坐标格式为xyxy
det[:, :4] = scale_coords(img.shape[2:], det[:, :4], im0.shape).round()
# Print results # 打印检测到的类别数量 for c in det[:, -1].unique(): n = (det[:, -1] == c).sum() # detections per class s += '%g %ss, ' % (n, names[int(c)]) # add to string
# Write results # 保存预测结果 for *xyxy, conf, cls in det: if save_txt: # Write to file # 将xyxy(左上角+右下角)格式转为xywh(中心点+宽长)格式,并除上w,h做归一化,转化为列表再保存 xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist() # normalized xywh with open(txt_path + '.txt', 'a') as f: f.write(('%g ' * 5 + '\n') % (cls, *xywh)) # label format # 在原图上画框 if save_img or view_img: # Add bbox to image label = '%s %.2f' % (names[int(cls)], conf) plot_one_box(xyxy, im0, label=label, color=colors[int(cls)], line_thickness=3)
# Print time (inference + NMS) # 打印前向传播+nms时间 print('%sDone. (%.3fs)' % (s, t2 - t1))
# Stream results # 如果设置展示,则show图片/视频 if view_img: cv2.imshow(p, im0) if cv2.waitKey(1) == ord('q'): # q to quit raise StopIteration
# Save results (image with detections) # 设置保存图片/视频 if save_img: if dataset.mode == 'images': cv2.imwrite(save_path, im0) else: if vid_path != save_path: # new video vid_path = save_path if isinstance(vid_writer, cv2.VideoWriter): vid_writer.release() # release previous video writer
fourcc = 'mp4v' # output video codec fps = vid_cap.get(cv2.CAP_PROP_FPS) w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH)) h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) vid_writer = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*fourcc), fps, (w, h)) vid_writer.write(im0)
if save_txt or save_img: print('Results saved to %s' % Path(out)) # 打开保存图片和txt的路径(好像只适用于MacOS系统) if platform == 'darwin' and not opt.update: # MacOS os.system('open ' + save_path) # 打印总时间 print('Done. (%.3fs)' % (time.time() - t0))


来自csdn:

https://blog.csdn.net/Q1u1NG/article/details/108093525

yolov5代码:https://github.com/ultralytics/yolov5

五、注意事项

1.运行结果示例:

(注意:模型文件的下载需要魔法)

2.所有安装的库和框架需要安装在一个环境中;

3.如果遇到pip安装失败,用魔法和国内镜像源均失败的情况下,需要将anaconda更新到最新版本,建议卸载重新安装

4.安装anaconda后,需要检查一下电脑环境变量是否有:

D:\anaconda

D:\anaconda\Scripts\

D:\anaconda\Library\bin

D:\anaconda\Library\mingw-w64\bin

如果没有需要手动添加(一般情况下是没有)


参考:https://blog.csdn.net/qq_42310545/article/details/132280300

https://blog.csdn.net/ECHOSON/article/details/121939535

本文仅做学术分享,如有侵权,请联系删文。

—THE END—

觉得有用,麻烦给个赞和在看 

机器视觉与AI深度学习
专注于机器视觉、AI、深度学习等技术最新资讯、实战内容及应用案例的分享,交流!
 最新文章