【亲测免费】 edgeai-yolov5 项目使用教程

1. 项目的目录结构及介绍

edgeai-yolov5/
├── models/
│   ├── yolo.py
│   └── ...
├── utils/
│   ├── datasets.py
│   └── ...
├── train.py
├── detect.py
├── requirements.txt
└── ...

• models/: 包含 YOLOv5 模型的定义文件，如 yolo.py。
• utils/: 包含各种实用工具和辅助函数，如数据集处理 (datasets.py)。
• train.py: 用于训练 YOLOv5 模型的脚本。
• detect.py: 用于目标检测的脚本。
• requirements.txt: 列出了运行项目所需的所有 Python 依赖包。

2. 项目的启动文件介绍

train.py

train.py 是用于训练 YOLOv5 模型的主要脚本。可以通过命令行运行该脚本来开始训练过程。

python train.py --data dataset.yaml --cfg yolov5s.yaml --weights '' --batch-size 16

• --data: 指定数据集配置文件。
• --cfg: 指定模型配置文件。
• --weights: 指定预训练权重文件（可选）。
• --batch-size: 指定批处理大小。

detect.py

detect.py 是用于目标检测的脚本。可以通过命令行运行该脚本来对图像或视频进行目标检测。

python detect.py --source image.jpg --weights best.pt --conf 0.4

• --source: 指定输入源，可以是图像、视频或摄像头。
• --weights: 指定使用的模型权重文件。
• --conf: 指定置信度阈值。

3. 项目的配置文件介绍

dataset.yaml

dataset.yaml 文件用于配置数据集信息，包括训练集、验证集和测试集的路径，以及类别信息。

train: ../datasets/coco128/images/train2017/
val: ../datasets/coco128/images/val2017/
test: ../datasets/coco128/images/test2017/

nc: 80
names: ['person', 'bicycle', 'car', ...]

• train: 训练集图像路径。
• val: 验证集图像路径。
• test: 测试集图像路径。
• nc: 类别数量。
• names: 类别名称列表。

yolov5s.yaml

yolov5s.yaml 文件用于配置 YOLOv5 模型的结构和参数。

# parameters
nc: 80  # 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, C3, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 9, C3, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, C3, [512]],
   [-1, 1, Conv, [1024