项目1 yolov5鱼苗检测计数

山居秋暝LS2024-10-24 12:52

yolov5鱼苗检测

[1. yolov5鱼苗检测](#1. yolov5鱼苗检测)
- [1.1. 环境配置](#1.1. 环境配置)
- [1.2 Predict](#1.2 Predict)
- [1.3 Validate](#1.3 Validate)
- [1.4 Train](#1.4 Train)
- [1.5 生成 ONNX](#1.5 生成 ONNX)
[2 代码解析](#2 代码解析)
- [2.1 模型](#2.1 模型)
- [2.2 数据集](#2.2 数据集)
- [2.3 损失函数](#2.3 损失函数)
- [2.4 训练](#2.4 训练)
- [2.5 预测](#2.5 预测)

之前做的项目，再回顾一下
环境：GPU1卡，CPU4核，每显卡12GB，内存12GB

1. yolov5鱼苗检测

1.1. 环境配置

Setup

python 复制代码

!git clone https://github.com/ultralytics/yolov5  # clone
%cd yolov5
%pip install -qr requirements.txt  # install

import torch
import utils
display = utils.notebook_init()  # checks

1.2 Predict

python 复制代码

!python classify/predict.py --weights yolov5s-cls.pt --img 224 --source data/images
# display.Image(filename='runs/predict-cls/exp/zidane.jpg', width=600)

1.3 Validate

python 复制代码

# Download Imagenet val (6.3G, 50000 images)
!bash data/scripts/get_imagenet.sh --val

1.4 Train

python 复制代码

# Train YOLOv5s Classification on Imagenette160 for 3 epochs
!python classify/train.py --model yolov5s-cls.pt --data image

1.5 生成 ONNX

python 复制代码

!python export.py --data data/custom_data.yaml --weights weight/best.pt

测试结果

项目1 yolov5鱼苗检测计数

yolov5鱼苗检测

1. yolov5鱼苗检测

1.1. 环境配置

1.2 Predict

1.3 Validate

1.4 Train

1.5 生成 ONNX

2 代码解析

2.1 模型

2.2 数据集

2.3 损失函数

2.4 训练

2.5 预测