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 ...
最新文章
- 漫画:三种 “奇葩” 的排序算法
- CVPR 2021| 基于深度图匹配的鲁棒点云配准框架
- 记一次修复被篡改的IE首页
- java C语言内存占用_使用Cgroup限制Java使用的内存量-思路
- HashSet/HashMap 存取值的过程
- Shell基础之条件判断 分支判断
- oracle 处理过程,Oracle SQL语句处理过程(转载)
- 微软工程师测试题——未来
- 一个基于JRTPLIB的轻量级RTSP客户端(myRTSPClient)——收流篇:(四)example代码解析...
- 开源贡献 计算_通过Hacktoberfest的镜头看开源贡献的状态
- pppoe-环境下的mtu和mss
- 无心剑《译海泛轻舟》
- nginx学习文档之一 安装nginx-Windos下安装nginx
- 如何访问个人邮箱中的未读邮件
- 太原理工大学ACM队简介(2018版)
- java 排序stackoverflow_爬取 100 万条 StackOverflow 问答后,我得出的结论!
- UNIX高手的10个习惯之一
- velocity 将数字转为以万为单位,保留2位小数
- linux主机路由命令,linux查看路由命令
- ubuntu系统安装qq教程(超简单,亲测成功)