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