YOLOv5_OBB 项目使用指南

1. 项目的目录结构及介绍

yolov5_obb/
├── data/
│   ├── datasets/
│   ├── hyps/
│   └── ...
├── models/
│   ├── common.py
│   ├── experimental.py
│   ├── yolo.py
│   └── ...
├── utils/
│   ├── activations.py
│   ├── augmentations.py
│   ├── general.py
│   ├── loss.py
│   └── ...
├── train.py
├── detect.py
├── requirements.txt
├── README.md
└── ...

• data/: 包含数据集配置和超参数配置。
• models/: 包含模型的定义和相关模块。
• utils/: 包含各种实用工具函数和辅助模块。
• train.py: 用于训练模型的脚本。
• detect.py: 用于检测目标的脚本。
• requirements.txt: 项目依赖的Python包列表。
• README.md: 项目说明文档。

2. 项目的启动文件介绍

train.py

train.py 是用于训练 YOLOv5_OBB 模型的主要脚本。可以通过以下命令启动训练：

python train.py --weights 'weights/yolov5m.pt' --data 'data/yolov5obb_demo.yaml' --hyp 'data/hyps/obb/hyp_finetune_dota.yaml' --epochs 10 --batch-size 64 --img 800 --device 3

detect.py

detect.py 是用于在图像或视频上进行目标检测的脚本。可以通过以下命令启动检测：

python detect.py --weights 'weights/best.pt' --source 'data/images' --img 640 --conf 0.4

3. 项目的配置文件介绍

data/yolov5obb_demo.yaml

该文件定义了数据集的路径、类别等信息。示例如下：

train: data/datasets/train
val: data/datasets/val

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

data/hyps/obb/hyp_finetune_dota.yaml

该文件定义了训练过程中的超参数。示例如下：

lr0: 0.01
lrf: 0.2
momentum: 0.937
weight_decay: 0.0005
warmup_epochs: 3.0
warmup_momentum: 0.8
warmup_bias_lr: 0.1
box: 0.05
cls: 0.5
cls_pw: 1.0
obj: 1.0
obj_pw: 1.0
iou_t: 0.20
anchor_t: 4.0
fl_gamma: 0.0
hsv_h: 0.015
hsv_s: 0.7
hsv_v: 0.4
degrees: 0.0
translate: 0.1
scale: 0.5
shear: 0.0
perspective: 0.0
flipud: 0.0
fliplr: 0.5
mosaic: 1.0
mixup: 0.0
copy_paste: 0.0

以上是 YOLOv5_OBB 项目的基本使用指南，涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用该项目。