目标检测 YOLOv5 开源代码项目调试与讲解实战土堆 课程笔记

P4 P5 主要讲解了 detect.py 中的参数的使用

如何利用 YOLOv5 进行预测（一）_哔哩哔哩_bilibili

如何利用YOLOv5进行预测（二）_哔哩哔哩_bilibili

（一）weight：代码如下

    parser.add_argument('--weights', nargs='+', type=str, default='yolov5m.pt', help='model.pt path(s)')

1、权重参数会自动下载

2、如果自动下载的网速较慢，可以去github上下载相应的权值，下载的方法是找到对应页面的release，操作如下图

 （二）source，代码如下

    parser.add_argument('--source', type=str, default='data/images', help='source')  # file/folder, 0 for webcam

1、default 装的是相对路径，支持文件夹，图片，视频，摄像头等格式。

（三）img-size

1、推理所用的尺寸，以像素为单位，较大的尺寸会有较高的精度和较慢的速度，较小的尺寸则相反。

2、注意并不是输入或者输出的尺寸。

（四）conf-thres

锚框内包含物体的置信度。

（五）iou-thres

1、如果IOU为0，则没有重复的框，如果IOU为1，则允许所有重复的框存在。

（六）device

1、后面的程序会自动推断。

（七）view-img

1、推断的过程中，实时地展示图片结果。

（八）save-txt

1、保存结果的标签值。

（九）save-conf

1、保存结果的置信度。

（十）nosave

1、不保存检测结果。

（十一）classes

1、只检测对应标签的物体。

（十二）agnostic-nms

1、未知

（十三）augment

1、检测增强，好处是增加置信度，坏处是可能给物体打错标签。

P7 P8主要讲解了train模式中的参数含义

训练YOLOv5模型（本地）(一）_哔哩哔哩_bilibili

训练YOLOv5模型（本地）(二）_哔哩哔哩_bilibili

P9讲解了在云端训练YOLOv5模型

云端GPU网址https://colab.research.google.com/

视频教程网址训练YOLOv5模型（云端GPU）_哔哩哔哩_bilibili

P10自制数据集及训练

视频教程自制数据集及训练_哔哩哔哩_bilibili

其实这些博主也是参照github项目的readme来做的，并且csdn很多博主也是参照github的issue来回来问题的，这就说明了学习要学源头的东西，而源头的东西大部分是英文的，所以搞技术的英文要好好锻炼。