1- Создайте набор данных в формате Yolo
Найдите изображения и пометьте их с помощью Makesense.ai. Используйте готовые наборы данных, такие как Kaggle (https://www.kaggle.com/datasets). Поместите файлы txt и изображения в отдельные папки
2- Настройка
Перейдите в проект-клон https://github.com/ultralytics/yolov5 и откройте. ‹@pip install -r requirements.txt› # установить
3-тренируйтесь с пользовательскими данными
‹@python train.py — img 640 — пакет 16 — эпохи 3 — данные coco128.yaml — веса yolov5s.pt — кэш› coco128.yaml включает каталог в набор данных. Поэтому вам нужно настроить его, чтобы исправить набор данных или создать новый файл .yaml и запустить его. (количество эпох параллельно качеству модели)
Создана обученная модель, которую можно использовать из ‹runs/train/exp/weights/best.pt›
4-детектировать
‹@python detect.py — веса yolov5s.pt — img 640 — conf 0.25 — исходные данные/изображения› Yolov5s.pt следует изменить с вашей моделью (‹runs/train/exp/weights/best.pt› для нашего случая) . данные/изображения должны быть заменены вашими тестовыми данными (данными, которые вы хотите обнаружить). ‹ — conf 0.25 › этот параметр сообщает модели, являются ли объекты искомыми объектами или нет. В нашем случае, если модель говорит, что что-то обнаружено с вероятностью 25%, показывает это с меткой.
Более высокие скорости ‹— conf 0.xx› необходимы для более успешного обнаружения, но снижают вероятность распознавания.
Веселиться :)
