自动驾驶-YOLOV5目标检测
1、环境:
操作系统:Ubuntu20.04
Python3.9
Pytorch1.10.2
IDE:(本人使用的是ECLIPSE)
显卡:NVIDIA GeForce GTX 1060 6GB
开源库地址:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
2、配置参数
解压后,在ECLIPSE打开源码。
打开detect.py文件。
核心配置
#模形设置,这里默认是小模型
IMG=640的四种模型
yolov5s.pt yolov5m.pt yolov5l.pt yolov5x.pt
IMG=1280的四种模型
yolov5s6.pt yolov5m6.pt yolov5l6.pt yolov5x6.pt
parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)')
#要识别的源图片路径
parser.add_argument('--source', type=str, default='data/images', help='source') # file/folder, 0 for webcam
#输入识别图片的尺寸,常用的有640(适用于前四种模型),1280(适用于后四种模型)
parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
#相似度大于多少,表示为是某物体。这里是>25%,就算。
parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')
#设置两个目标有交集时,指定交集比例,这里是小于45%的交集时,分别识别
parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')
#设置GPU还是cpu,默认是GPU,如果没有gpu会自动选CPU
parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
3、运行与检测
运行detect.py文件。
这时有可能会由于环境问题报错,根据报错提示,解决即可。
如果没有问题,那运行结果如下
Model Summary: 213 layers, 7225885 parameters, 0 gradients, 16.5 GFLOPS
image 1/5 /home/harry/CODE/autoCar/yolov5-v5.0/data/images/bus.jpg: 640x480 4 persons, 1 bus, Done. (0.015s)
image 2/5 /home/harry/CODE/autoCar/yolov5-v5.0/data/images/temp1003.jpg: 352x640 5 persons, 7 cars, 1 traffic light, 1 skateboard, Done. (0.012s)
image 3/5 /home/harry/CODE/autoCar/yolov5-v5.0/data/images/temp1004.jpg: 352x640 1 person, 8 cars, 1 traffic light, Done. (0.013s)
image 4/5 /home/harry/CODE/autoCar/yolov5-v5.0/data/images/temp1005.jpg: 352x640 1 person, 14 cars, 1 truck, 2 traffic lights, Done. (0.012s)
image 5/5 /home/harry/CODE/autoCar/yolov5-v5.0/data/images/zidane.jpg: 384x640 2 persons, 1 tie, Done. (0.013s)
Results saved to runs/detect/exp6
Done. (0.269s)
结果显示,网络的层数,参数的数量,以及每张图片识别出来的,人,车,交通灯等分别的数量
4、验证
我找了两张图片,分别如下
在路径:runs/detect/exp(x)下
完
相关文章
- Linux修改配置文件(自动)
- 自动光学检测(AOI)
- 大数据在线实习-基于自动机器学习的水色图像水质评价
- Spring Boot中自动执行sql脚本
- BATCH+VBS脚本自动执行命令
- python+selenium 自动登录QQ邮箱例子
- jenkins之从0到1利用Git和Ant插件打war包并自动部署到tomcat(第二话):安装插件,配置JDK、Git、Ant
- excel中,利用宏vbscript 插入图片 自动调整间距适应图片大小
- Windows10设置定时自动锁定电脑
- Shell自动部署测试环境
- Python量化交易学习笔记(十二)——程序化交易,自动登录软件
- SpringBoot集成JPA根据实体类自动生成表