基于yolov5的斑马线检测的训练（包含样本：训练6420样本测试887样本，检测类别1类）

搭建训练的环境参考yolo的官网:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

获取工程可以从yolo的官方网站获取或者直接从跟本人的网盘获取（非免费介意误下载）：无需配置训练的数据解和下载数据，搭建好训练环境后就可以使用本工程直接训练交通标示的检测：链接: https://pan.baidu.com/s/1ICQ5sSBDiLyVSp2Ige7oEQ 提取码: isge  ( 内部包含修改后的工程和训练用的数据集：训练6420样本测试887样本，训练好的模型可以直接使用哦 ）

准备好数据后配置文件coco.yaml

# class names
names: ['speed bump']

# number of classes
nc: 1

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: classself/coco/train2017.txt  # 118287 images
val: classself/coco/val2017.txt  # 5000 images
test: classself/coco/test-dev2017.txt  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

准备好数据后配置文件yolov5s_self.yaml

path: classself/coco
train: train2017.txt 
val: val2017.txt
names:
    0: cross walk  

开始训练

#训练
python train.py --data classself/coco/coco.yaml --weights '' --cfg models/yolov5s_self.yaml --img 640 --workers 0 --device 0
#断点续训
python  train.py  --resume  runs/exp/weights/last.pt
python  train.py  --resume

训练模型保存路径

测试

python detect.py --source data/images --weights runs/train/exp/weights/best.pt

测试结果路径

测试结果：

原文地址：https://blog.csdn.net/jinshushijie/article/details/144450796

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！