# YOLOV5-animal-42 **Repository Path**: ixml/yolov5-animal-42 ## Basic Information - **Project Name**: YOLOV5-animal-42 - **Description**: 基于YOLOV5的动物检测系统 - **Primary Language**: Unknown - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 9 - **Created**: 2024-10-14 - **Last Updated**: 2024-10-14 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 毕设系列-基于卷积神经网络的动物识别系统 我们之前做过一期基于Yolov5的口罩检测系统（[手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_dejahu的博客-CSDN博客](https://blog.csdn.net/ECHOSON/article/details/121939535)），里面的代码是基于YOLOV5 6.0开发的，并且是适用其他数据集的，只需要修改数据集之后重新训练即可，非常方便，但是有些好兄弟是初学者，可能不太了解数据的处理，所以我们就这期视频做个衍生系列，主要是希望通过这些系列来教会大家如何训练和使用自己的数据集。 > B站视频：[毕设系列-检测专题-基于YOLOV5的手势识别系统_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV193411578r/) > > 博客地址：https://blog.csdn.net/ECHOSON/article/details/123293028 > > 代码地址：[YOLOV5-hand-42: 基于YOLOV5的手势识别系统 (gitee.com)](https://gitee.com/song-laogou/yolov5-hand-42) > > 数据集和训练好的模型地址：[ YOLOV5手势识别数据集+代码+模型2000张标注好的数据+教学视频-深度学习文档类资源-CSDN文库](https://download.csdn.net/download/ECHOSON/83460039) 上期评论区有好兄弟留言想看动物检测系统，那咱们这期检测系列就更新动物检测系统，并且在之前功能的基础之上添加了计数的功能，先看效果。 ![image-20220309211305462](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220309211305462.png) 考虑到有的朋友算力不足，我这里也提供了标注好的数据集和训练好的模型，获取方式是通过CSDN付费下载（^^），资源地址如下： [YOLOV5手势识别数据集+代码+模型2000张标注好的数据+教学视频-深度学习文档类资源-CSDN文库](https://download.csdn.net/download/ECHOSON/83460039) 需要远程调试的小伙伴和课程设计订做的小伙伴可以加QQ 3045834499，价格公道，童叟无欺。 ## 下载代码 代码的下载地址是：[YOLOV5-hand-42: 基于YOLOV5的手势识别系统 (gitee.com)](https://gitee.com/song-laogou/yolov5-hand-42) ![image-20220305143233902](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220305143233902.png) ## 配置环境 不熟悉pycharm的anaconda的小伙伴请先看这篇csdn博客，了解pycharm和anaconda的基本操作 [如何在pycharm中配置anaconda的虚拟环境_dejahu的博客-CSDN博客_如何在pycharm中配置anaconda](https://blog.csdn.net/ECHOSON/article/details/117220445) anaconda安装完成之后请切换到国内的源来提高下载速度 ，命令如下： ```bash conda config --remove-key channels conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple ``` 首先创建python3.8的虚拟环境，请在命令行中执行下列操作： ```bash conda create -n yolo5 python==3.8.5 conda activate yolo5 ``` ### pytorch安装（gpu版本和cpu版本的安装） 实际测试情况是YOLOv5在CPU和GPU的情况下均可使用，不过在CPU的条件下训练那个速度会令人发指，所以有条件的小伙伴一定要安装GPU版本的Pytorch，没有条件的小伙伴最好是租服务器来使用。 GPU版本安装的具体步骤可以参考这篇文章：[2021年Windows下安装GPU版本的Tensorflow和Pytorch_dejahu的博客-CSDN博客](https://blog.csdn.net/ECHOSON/article/details/118420968) 需要注意以下几点： * 安装之前一定要先更新你的显卡驱动，去官网下载对应型号的驱动安装 * 30系显卡只能使用cuda11的版本 * 一定要创建虚拟环境，这样的话各个深度学习框架之间不发生冲突 我这里创建的是python3.8的环境，安装的Pytorch的版本是1.8.0，命令如下： ```cmd conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意这条命令指定Pytorch的版本和cuda的版本 conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch # 30系显卡的小伙伴执行这里的指令 ``` 安装完毕之后，我们来测试一下GPU是否 ![image-20210726172454406](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20210726172454406.png) ### pycocotools的安装 后面我发现了windows下更简单的安装方法，大家可以使用下面这个指令来直接进行安装，不需要下载之后再来安装 ``` pip install pycocotools-windows ``` ### 其他包的安装 另外的话大家还需要安装程序其他所需的包，包括opencv，matplotlib这些包，不过这些包的安装比较简单，直接通过pip指令执行即可，我们cd到yolov5代码的目录下，直接执行下列指令即可完成包的安装。 ```bash pip install -r requirements.txt pip install pyqt5 pip install labelme ``` ## 数据处理 实现准备处理好的yolo格式的数据集，一般yolo格式的数据是一张图片对应一个txt格式的标注文件。 ![image-20220219192930908](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220219192930908.png) 标注文件中记载了目标的类别 中心点坐标 和宽高信息，如下图所示： ![image-20220219193042855](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220219193042855.png) 记住这里的数据集位置，在后面的配置文件中我们将会使用到，比如我这里数据集的位置是：`C:/Users/chenmingsong/Desktop/hand/hand_gesture_dataset` ## 配置文件准备 * 数据配置文件的准备 配置文件是data目录下的`animal_data.yaml`，只需要将这里的数据集位置修改为你本地的数据集位置即可。 ![image-20220309215138666](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220309215138666.png) * 模型配置文件的准备 模型的配置文件主要有三个，分别是`animal_yolov5s.yaml`、`animal_yolov5m.yaml`、`animal_yolov5l.yaml`，分别对应着yolo大中小三个模型，主要将配置文件中的nc修改为我们本次数据集对应的6个类别即可。 ![image-20220309215624860](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220309215624860.png) ## 模型训练 模型训练的主文件是`train.py`，下面的三条指令分别对应着小中大三个模型的训练，有GPU的同学可以将设备换为0，表示使用0号GPU卡，显存比较大的同学可以将batchsize调整为4或者16，训练起来更快。 ```bash python train.py --data animal_data.yaml --cfg animal_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 2 --device cpu python train.py --data animal_data.yaml --cfg animal_yolov5l.yaml --weights pretrained/yolov5l.pt --epoch 100 --batch-size 2 python train.py --data animal_data.yaml --cfg animal_yolov5m.yaml--weights pretrained/yolov5m.pt --epoch 100 --batch-size 2 ``` 训练过程中会出现下面的进度条 ![image-20220219202818016](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220219202818016.png) 等待训练完成之后训练结果将会保存在`runs/train`目录下，里面有各种各样的示意图供大家使用。 ![image-20220219202857929](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220219202857929.png) ## 模型使用 模型的使用全部集成在了`detect.py`目录下，你按照下面的指令指你要检测的内容即可 ```bash # 检测摄像头 python detect.py --weights runs/train/exps/weights/best.pt --source 0 # webcam # 检测图片文件 python detect.py --weights runs/train/exps/weights/best.pt --source file.jpg # image # 检测视频文件 python detect.py --weights runs/train/exps/weights/best.pt --source file.mp4 # video # 检测一个目录下的文件 python detect.py --weights runs/train/exps/weights/best.pt path/ # directory # 检测网络视频 python detect.py --weights runs/train/exps/weights/best.pt 'https://youtu.be/NUsoVlDFqZg' # YouTube video # 检测流媒体 python detect.py --weights runs/train/exps/weights/best.pt 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream ``` 比如以我们的口罩模型为例，如果我们执行`python detect.py --weights runs/train/exps/weights/best.pt --source data/images/0023.png`的命令便可以得到这样的一张检测结果。 ![single_result](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/single_result.jpg) ## 构建可视化界面 可视化界面的部分在`window.py`文件中，是通过pyqt5完成的界面设计，在启动界面前，你需要将模型替换成你训练好的模型，替换的位置在`window.py`的第60行，修改成你的模型地址即可，如果你有GPU的话，可以将device设置为0，表示使用第0行GPU，这样可以加快模型的识别速度嗷。 ![image-20220309214131940](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20220309214131940.png) 现在启动看看效果吧。 ## 找到我 你可以通过这些方式来寻找我。 B站：[肆十二-](https://space.bilibili.com/161240964) CSDN：[肆十二](https://blog.csdn.net/ECHOSON) 知乎：[肆十二 ](https://www.zhihu.com/people/song-chen-ming-28) 微博：[肆十二-](https://weibo.com/u/5999979327) 现在关注以后就是老朋友喽！ ![image-20211212195912911](https://vehicle4cm.oss-cn-beijing.aliyuncs.com/typoraimgs/image-20211212195912911.png)