YOLO V5 实现课堂行为检测

1.环境搭建

conda create -n yolov5 python=3.6
conda activate yolov5
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0
pip install  yolov5/requirements.txt

2.YOLOV5代码下载

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

3.数据集划分及准备下载链接

数据集在资源里，有需要的自行下载

4.数据加载

#这个地方的路径需要与解压后的数据路径对应上
train: ./dataset/train/images
val: ./dataset/valid/imagesnc: 5
names: ['listen', 'write'，'val','sleep','phone']
#由于我们只检测两个类别，所以label 只有'listen', 'write'，同理可换成你自己的数据类别

5.自定义配置文件

nc: 5 # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple# anchors
anchors:- [10,13, 16,30, 33,23]  # P3/8- [30,61, 62,45, 59,119]  # P4/16- [116,90, 156,198, 373,326]  # P5/32# YOLOv5 backbone
backbone:# [from, number, module, args][[-1, 1, Focus, [64, 3]],  # 0-P1/2[-1, 1, Conv, [128, 3, 2]],  # 1-P2/4[-1, 3, BottleneckCSP, [128]],[-1, 1, Conv, [256, 3, 2]],  # 3-P3/8[-1, 9, BottleneckCSP, [256]],[-1, 1, Conv, [512, 3, 2]],  # 5-P4/16[-1, 9, BottleneckCSP, [512]],[-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32[-1, 1, SPP, [1024, [5, 9, 13]]],[-1, 3, BottleneckCSP, [1024, False]],  # 9]# YOLOv5 head
head:[[-1, 1, Conv, [512, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 6], 1, Concat, [1]],  # cat backbone P4[-1, 3, BottleneckCSP, [512, False]],  # 13[-1, 1, Conv, [256, 1, 1]],[-1, 1, nn.Upsample, [None, 2, 'nearest']],[[-1, 4], 1, Concat, [1]],  # cat backbone P3[-1, 3, BottleneckCSP, [256, False]],  # 17 (P3/8-small)[-1, 1, Conv, [256, 3, 2]],[[-1, 14], 1, Concat, [1]],  # cat head P4[-1, 3, BottleneckCSP, [512, False]],  # 20 (P4/16-medium)[-1, 1, Conv, [512, 3, 2]],[[-1, 10], 1, Concat, [1]],  # cat head P5[-1, 3, BottleneckCSP, [1024, False]],  # 23 (P5/32-large)[[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)]

6.训练

python train.py --img 416 --batch 64 --epochs 100 --data 'data.yaml' --cfg ./models/my.yaml --weights '' --name yolov5s_results  --cache

7.测试

python detect.py --weights best.pt --img 416 --conf 0.7 --source ./test

测试效果不错，有需要的私聊。

YOLO V5 实现课堂行为检测相关推荐

【目标检测】YOLO v5 吸烟行为识别检测
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 YOLO v5 吸烟行为目标检测模型:计算机配置.制作数据集.训练.结果分析和使用前言相关连接(look评论) 一.计算机配置 p ...
realsense D455深度相机+YOLO V5结合实现目标检测（二）
realsense D455深度相机+YOLO V5结合实现目标检测(二) 1.代码来源 2.环境配置 3.代码分析: 3.1 主要展示在将detect.py转换为realsensedetect.py ...
二十. 在ROS系统上实现基于PyTorch YOLO v5的实时物体检测
一. 背景介绍在我前面的博文十八.在JetsonNano上为基于PyTorch的物体检测网络测速和选型中,我介绍过在基于Jetson Nano硬件平台和Ubuntu 18.04 with Jet ...
【目标检测】YOLO v5 安全帽检测识别项目模型
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 YOLO v5安全帽检测模型前言相关连接: 一.计算机配置 pytorch安装 pycocotools的安装二.YOLO v5下 ...
【深度学习】用 YOLO v5+DeepSORT，打造实时多目标跟踪模型
内容概要:目标跟踪作为一个非常有前景的研究方向,常常因为场景复杂导致目标跟丢的情况发生.本文按照跟踪目标数量的差异,分别介绍了单目标跟踪及多目标跟踪. 关键词:目标跟踪计算机视觉教程目 ...
Ubutntu下使用realsense d435i（三）：使用yolo v5测量目标物中心点三维坐标
01 参考本文下述使用参考的的工程均来自于下面的两个github yolo v5参考的代码:https://github.com/ultralytics/yolov5 本文参考的代码(仅获得深度): ...
用 YOLO v5+DeepSORT，打造实时多目标跟踪模型
内容概要:目标跟踪作为一个非常有前景的研究方向,常常因为场景复杂导致目标跟丢的情况发生.本文按照跟踪目标数量的差异,分别介绍了单目标跟踪及多目标跟踪. 目标跟踪 (Object Tracking) 是 ...
YOLO v5 实现目标检测（参考数据集自制数据集）
YOLO v5 实现目标检测(参考数据集&自制数据集) Author: Labyrinthine Leo Init_time: 2020.10.26 GitHub: https://git ...
YOLO v5 检测摄像头但却不显示检测图像一招拿下
YOLO v5 检测摄像头但却不显示检测图像一招拿下 YOLO V5摄像头的使用 YOLO V5摄像头的使用这段时间一直在玩YOLO V5.但是一直用的都是保存好的视频,图片来进行的预测.今天突发 ...
目标检测模型——One stage（YOLO v5的模型解析及应用）
1. 简介目标检测分为Two stage和One stage,只使用一个网络同时产生候选区域并预测出物体的类别和位置,所以它们通常被叫做单阶段检测算法(One stage).本篇文章只讲One st ...

YOLO V5 实现课堂行为检测

1.环境搭建

2.YOLOV5代码下载

3.数据集划分及准备下载链接

4.数据加载

5.自定义配置文件

6.训练

7.测试

YOLO V5 实现课堂行为检测相关推荐

最新文章

热门文章