基于yolov5滑块识别破解(一)

由于内容较长,将分为两个部分来说明,本文讲解yolov5的部署与训练。

1.YOLOv5部署

云端部署(训练)

服务器创建

如果自己的显卡算力不是很好的,或者是核显电脑,可以租用算力,价格还行一块钱左右就可以租一小时了。

网站地址:AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL

登录网站,在算法社区搜索yolov5,选择一个项目进行创建。(算法社区里面有很多的算法模型,例如AI语言、图片清晰度增强等等,感兴趣的可以自己研究)

我用的版本:ultralytics/yolov5/v5: 官方YOLOv5项目 最新稳定版本 - CG (codewithgpu.com)

直接点击创建即可。 由于我们是基于别人项目创建的,所以创建好的服务器已经自带了python环境和yolov5项目,直接上传数据进行训练就好了。

选择显卡,注意cuda版本要求(11.3以上)

训练集上传

训练集就是各种滑块的图片,使用labelimg进行数据标准,把阴影地方标准为target。

在创建完成后,在后台管理中有两个快捷工具,我们点第二个。

绑定阿里云,然后就可以下载数据到服务器了,过程就是从我们自己的电脑上传文件到阿里云中,然后在AotoPanel工具中通过阿里云将我们上传的文件下载到我们租好的服务器上。

模型训练

打开JupyterLab工具,进入到服务器的命令窗口。在datasets目录下新建一个我们自己的数据集文件夹,把下载好的images和label放入到这个文件夹中。

因为训练文件的yaml文件指定的是coco128.yaml,我们要训练的自己的模型需要修改这个yaml文件,或者也可以自己按照他的格式重新写一个yaml文件,然后在tran.py中指定这个yaml文件。

我选择的是修改yaml文件,修改数据集的路径,并注释掉之前的类别,我们只训练识别一个类target。

文件修改完成后,就可以直接训练模型了。打开终端输入cd yolov5-7.0,然后输入python train.py,就可以训练了。训练100个epoch

预测推理

训练好模型后,我们再上传几张新的滑块图片去进行预测。将测试图片上传到yolov5-7.0/data/images/里面

更改权重模型,修改为我们自己训练好的模型。训练结果在runs/tran中,每一个exp就是每一次训练的结果,我们选择最新的一次,选择里面的weights/best.pt。best就是本次训练中最好的一次模型,last就是最后一次epoch得出的模型。

打开detect.py修改权重模型。

在命令窗口中输入python detect.py,然后到runs/detect中查看结果。 可以看到我们的模型已经成功识别出阴影块。

模型下载

到此我们的云端训练就已经完成了,我们需要把训练好的权重模型传回本地电脑。直接右键下载就行,它会通过浏览器自动下载。

本地部署

之前说的是云端训练模型,主要是考虑了电脑性能不好的小伙伴。也可以直接在本地进行训练,流程和上面差不多的。这里就不再说了。

在拿到云端训练好的权重模型后,我们需要部署本地的yolov5环境,使用这个权重模型去进行预测。

yolov5下载

参考其他大佬的教程即可

Yolov5 安装详细教程及目标检测和识别_yolo5安装教程-CSDN博客

pytorch安装

我现在使用的是AMD核显的电脑,和我情况差不多的小伙伴可以看看这个使用集成显卡/集显(AMD)或者GPU安装运行pytorch?步骤解析~_amd显卡怎么用pytorch-CSDN博客

本地运行测试

导入我们训练好的模型,进行测试看看是否有效

至此yolov5的部署已经模型的训练都已经完成,在下篇文章中我们将结合yolov5来实现滑块的破解。

相关推荐
jay神5 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
jay神8 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
鱼听禅8 天前
Ubuntu安装YOLOv8进行菌落识别训练
linux·python·yolo·ubuntu
jay神10 天前
基于深度学习的交通流量预测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机毕业设计
带电的小王11 天前
YOLO27:官方预览页放出全部规格,60.5 mAP 破 YOLO 纪录,但权重还没发布
yolo
jay神11 天前
基于 YOLOv8 的轴承缺陷检测(Web 版)
前端·人工智能·yolo
jay神11 天前
基于 YOLOv8 的森林火灾检测系统(Web 版)
前端·yolo
微尘hjx11 天前
【Deep-OC-SORT 06】多轨迹算法Deep-OC-SORT-CMC相机运动补偿
yolo·目标检测·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计
LongRunning12 天前
【Linux】RK3568-OpenCV+YOLO(八)
linux·opencv·yolo
微尘hjx16 天前
【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析
深度学习·yolo·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计