行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码)
行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码)
目录
行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码)
1. 前言
2. 人体检测数据集说明
(1)人体检测数据集
(2)自定义数据集
3. 基于YOLOv5的人体检测模型训练
(1)YOLOv5安装
(2)准备Train和Test数据
(3)配置数据文件
(4)配置模型文件
(5)重新聚类Anchor(可选)
(6)开始训练
(7)可视化训练过程
(8)常见的错误
4. Python版本人体检测效果
5. Android版本人体检测效果
6.项目源码下载
1. 前言
这是项目《行人检测(人体检测)》系列之《YOLOv5实现人体检测(含人体检测数据集和训练代码)》;项目基于开源YOLOv5项目,实现一个高精度的人体检测(行人检测)算法( Person Detection, Pedestrian Detection);
目前,基于YOLOv5s的人体检测精度平均值mAP_0.5=0.98432,mAP_0.5:0.95=0.84354。为了能部署在手机Android平台上,本人对YOLOv5s进行了简单的模型轻量化,并开发了一个轻量级的版本yolov5s05_416和yolov5s05_320模型;轻量化模型在普通Android手机上可以达到实时的检测效果,CPU(4线程)约30ms左右,GPU约25ms左右 ,基本满足业务的性能需求。下表格给出轻量化模型的计算量和参数量以及其检测精度
模型 | input-size | params(M) | GFLOPs | mAP_0.5 | mAP_0.5:0.95 |
yolov5s | 640×640 | 7.2 | 16.5 | 0.98432 | 0.84284 |
yolov5s05 | 416×416 | 1.7 | 1.8 | 0.97004 | 0.76103 |
yolov5s05 | 320×320 | 1.7 | 1.1 | 0.96448 | 0.73216 |
先展示一下人体检测效果:
【 整套项目下载地址】行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码)
【尊重原创,转载请注明出处】https://blog.csdn.net/guyuealian/article/details/128954588
更多项目《行人检测(人体检测)》系列文章请参考:
- 行人检测(人体检测)1:人体检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/128821763
- 行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码):https://blog.csdn.net/guyuealian/article/details/128954588
- 行人检测(人体检测)3:Android实现人体检测(含源码,可实时人体检测):https://blog.csdn.net/guyuealian/article/details/128954615
- 行人检测(人体检测)4:C++实现人体检测(含源码,可实时人体检测):https://blog.csdn.net/guyuealian/article/details/128954638
如果需要进行人像分割,实现一键抠图效果,请参考文章:《一键抠图Portrait Matting人像抠图 (C++和Android源码)》
2. 人体检测数据集说明
(1)人体检测数据集
目前收集了约10W+的人体检测数据集,数据集主要来源于VOC,COCO和MPII的人体数据集,关于人体数据集说明,请参考《行人检测(人体检测)1:人体检测数据集(含下载链接)》:https://blog.csdn.net/guyuealian/article/details/128821763
(2)自定义数据集
如果需要增/删类别数据进行训练,或者需要自定数据集进行训练,可参考如下步骤:
- 采集图片,建议不少于200张图片
- 使用Labelme等标注工具,对目标进行拉框标注:labelme工具:GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).
- 将标注格式转换为VOC数据格式,参考工具:labelme/labelme2voc.py at main · wkentaro/labelme · GitHub
- 生成训练集train.txt和验证集val.txt文件列表
- 修改engine/configs/voc_local.yaml的train和val的数据路径
- 重新开始训练
3. 基于YOLOv5的人体检测模型训练
(1)YOLOv5安装
训练Pipeline采用YOLOv5: GitHub - ultralytics/yolov5: YOLOv5
行人检测(人体检测)2:YOLOv5实现人体检测(含人体检测数据集和训练代码)相关推荐
- 吸烟(抽烟)检测和识别2:Pytorch实现吸烟(抽烟)检测和识别(含吸烟(抽烟)数据集和训练代码)
吸烟(抽烟)检测和识别2:Pytorch实现吸烟(抽烟)检测和识别(含吸烟(抽烟)数据集和训练代码) 目录 吸烟(抽烟)检测和识别2:Pytorch实现吸烟(抽烟)检测和识别(含吸烟(抽烟)数据集和训 ...
- 智能驾驶 车牌检测和识别(三)《CRNN和LPRNet实现车牌识别(含车牌识别数据集和训练代码)》
智能驾驶 车牌检测和识别(三)<CRNN和LPRNet实现车牌识别(含车牌识别数据集和训练代码)> 目录 智能驾驶 车牌检测和识别(三)<CRNN和LPRNet实现车牌识别(含车牌识 ...
- 戴眼镜检测和识别2:Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码) 目录 Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码) 1.戴眼镜检测和识别方法 2.戴眼镜数据集 (1)戴眼镜数据集说明 ...
- 智能驾驶 车牌检测和识别(二)《YOLOv5实现车牌检测(含车牌检测数据集和训练代码)》
智能驾驶 车牌检测和识别(二)<YOLOv5实现车牌检测(含车牌检测数据集和训练代码)> 目录 智能驾驶 车牌检测和识别(二)<YOLOv5实现车牌检测(含车牌检测数据集和训练代码) ...
- 人脸检测和行人检测2:YOLOv5实现人脸检测和行人检测(含数据集和训练代码)
人脸检测和行人检测2:YOLOv5实现人脸检测和行人检测(含数据集和训练代码) 目录 人脸检测和行人检测2:YOLOv5实现人脸检测和行人检测(含数据集和训练代码) 1. 前言 2. 人脸检测和行人检 ...
- 深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码)
深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 目录 深度学习目标检测:YOLOv5实现车辆检测(含车辆检测数据集+训练代码) 1. 前言 2. 车辆检测数据集说明 (1)车 ...
- 深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码)
深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 目录 深度学习目标检测:YOLOv5实现红绿灯检测(含红绿灯数据集+训练代码) 1. 前言 2. 红绿灯检测数据集说明 (1) ...
- 智能驾驶 车牌检测和识别(五)《C++实现车牌检测和识别(可实时车牌识别)》
智能驾驶 车牌检测和识别(五)<C++实现车牌检测和识别(可实时车牌识别)> 目录 智能驾驶 车牌检测和识别(五)<C++实现车牌检测和识别(可实时车牌识别)> 1. 前言 2 ...
- 智能驾驶 车牌检测和识别(四)《Android实现车牌检测和识别(可实时车牌识别)》
智能驾驶 车牌检测和识别(四)<Android实现车牌检测和识别(可实时车牌识别)> 目录 智能驾驶 车牌检测和识别(四)<Android实现车牌检测和识别(可实时车牌识别)> ...
最新文章
- MASQUERADE --random 端口不随机
- linux守护进程中多线程实现,Linux下实现多线程客户/服务器
- StaticQueue
- scanf 接收 空格 输入_当接受用户输入的含有空格的字符串时,应使用()函数。...
- neo4j set 多个值_Neo4j:收集多个值
- vimb java,我可以让vim接受\b而不是\lt;和\gt ;?
- java判断long 大于0,JAVA的一道习题:找出五个大于Long.MAX_VALUE的素数
- python获取路径时,如果要想使用外部定义的字符串变量,需要注意(附带isfile)
- 实验3-2 计算符号函数的值 (10 分)
- Eclipse中使用SVN教程
- 浅谈木材加工企业的电气火灾隐患及电气火灾监控系统的应用
- I LOVE YOU TOO密码解析
- 公司官网建设企业网站建设的好处,为什么要做网站?
- 关于mobi书籍文件合并
- 只要五分钟,让你成功接入Twitter的第三方登录
- 工程管理系统企业工程管理系统简介
- 【Multisim仿真】有源低通滤波电路仿真
- 什么是分布式事务(CAP原则、BASE理论、2PC|3PC协议、XA|AT等模式)
- Go+ 发布 weekly release: v0.7.3
- 【论文阅读笔记】Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer
热门文章
- Mac下文件编码修改问题
- 手机软件开发入门 - 中国象棋(2)090311
- (转)核心银行系统 之三 核心系统的国内外厂商介绍
- 真真是硬件界饕餮盛宴!京东助力英特尔第九代酷睿处理器中国首发!
- 微软软件测试报告,windows计算器软件测试报告.doc
- OA系统在数字校园建设中扮演着怎样的“角色”?
- call、ret、retf 指令详解
- twig调用PHP函数,php – 如何在Symfony2 Twig模板中调用静态函数
- 详解ISO 13400文档(DoIP协议)-1
- 英属哥伦比亚大学计算机科学专业,加拿大英属哥伦比亚大学计算机专业解析