深度学习笔记34-YOLOv5调用官方权重进行检测

一、引言

今天带大家探索一下深度学习在医学领域的应用,乳腺癌是女性最常见的癌症形式,浸润性导管癌 (IDC) 是最常见的乳腺癌形式。准确识别和分类乳腺癌亚型是一项重要的临床任务,利用深度学习方法识别可以有效节省时间井减少错误。我们的数据集是由多张以 40 倍扫描的乳腺癌(BCa)标本的完整载玻片图像组成。

1.拉取git源码

打开官网后下载代码https://github.com/ultralytics/yolov5,在cmd中运行

bash 复制代码
git clone https://github.com/ultralytics/yolov5

找到刚下载的代码文件中的requirments.txt文件

在cmd中运行

bash 复制代码
pip install -r requirements的文件地址

等待环境配置

2. 运行代码

在cmd中运行

bash 复制代码
cd yolov5的文件夹路径
python "C:\Users\users\yolov5\detect.py" --source "D:\***\Desktop\screenshot-20250819-135159.png" --weights yolov5s.pt --img 640

注意,detect.py的路径换成自己的,后面的图片路径也换成自己的。

但有的人可能环境报错,所以在最开始创建虚拟环境比较好 ,在cmd运行

bash 复制代码
# 创建虚拟环境
C:\Users\***\AppData\Local\Programs\Python\Python39\python.exe -m venv yolov5-venv

# 激活虚拟环境
yolov5-venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 运行程序
python detect.py --weights yolov5s.pt --source your_image.jpg

二、总结

YOLO(You Only Look Once)是一种非常流行的目标检测算法,用于从图像或视频中实时识别物体。与传统的目标检测方法不同,YOLO将目标检测任务转化为回归问题,在一个单独的神经网络中同时完成物体的定位和分类。因此,YOLO的主要特点是高效、实时,并且能够处理复杂的场景。

YOLO的工作流程如下:

  • 图像分割:将输入图像分为多个网格。
  • 边界框预测:每个网格预测一定数量的边界框,每个边界框包含物体的坐标、宽高以及该物体的类别概率。
  • 目标分类与置信度 :每个边界框会给出一个目标类别的概率,以及置信度分数,用来判断该框是否包含目标。
相关推荐
繁花与尘埃27 分钟前
CSS简介(本文为个人学习笔记,内容整理自哔哩哔哩UP主【非学者勿扰】的公开课程。 > 所有知识点归属原作者,仅作非商业用途分享)
css·笔记·学习
长桥夜波1 小时前
【第十九周】机器学习笔记08
人工智能·笔记·机器学习
摇滚侠1 小时前
Spring Boot3零基础教程,Kafka 小结,笔记79
spring boot·笔记·kafka
摇滚侠1 小时前
Spring Boot3零基础教程,自定义 starter,把项目封装成依赖给别人使用,笔记65
数据库·spring boot·笔记
colus_SEU1 小时前
【编译原理笔记】3.3 Specification of Tokens
笔记·编译原理
深蓝岛2 小时前
LSTM与CNN融合建模的创新技术路径
论文阅读·人工智能·深度学习·机器学习·lstm
特种加菲猫2 小时前
自定义协议、序列化与守护进程:构建可靠后端服务
linux·网络·笔记
路人与大师2 小时前
如何快速将普通电脑改造为深度学习工作站
人工智能·深度学习·电脑
天地之于壹炁兮2 小时前
神经网络进化史:从理论到变革
人工智能·rnn·深度学习·transformer