安装与测试
https://github.com/ultralytics/yolov5/releases/tag/v6.1
鼠标滚到最下面下载源码zip包:
https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip
下载完成之后解压缩到:
D:\python\yolov5-6.1
python detect.py --weights yolov5s.pt --source data\images\zidane.jpg
数据集准备与制作
使用labelImg工具完成标注,工具下载地址:
https://gitee.com/opencv_ai/opencv_tutorial_data/tree/master/tools
YOLOv5要求的数据集目录结构如下:
Left top right bottom
转换为
Center_x, center_y, width, height
# train and val datasets (image directory or *.txt file with image paths)
train: uav_bird_training/data/images/train/
val: uav_bird_training/data/images/valid/
# number of classes
nc: 2
# class names
names: ['bird', 'drone']
三:模型训练
python train.py --img 640 --batch 4 --epochs 25 --data uav_bird_training\dataset.yaml --weights yolov5s.pt
PR曲线说明训练效果还错!
不同框架与硬件平台推理比较
YOLOv5的6.x版本支持不同框架模型导出与推理,看下图:
-OpenCV DNN
-OpenVINO
-ONNXRUNTIME
-TensorRT
OpenCV DNN推理速度
OpenVINO平台上的推理速度
ONNXRUNTIME GPU推理速度
TensorRT框架部署-FP32版本模型推理统计:
python detect.py --weights uav_bird_training/uav_bird_int8.engine --data uav_bird_training/dataset.yaml --source D:/bird/bird_fly.mp4
TensorRT框架部署-INT8版本模型推理统计:
最终比较:
番外篇:C++推理与比较
OpenCV DNN + CUDA版本推理
TensorRT-FP32模型推理速度
TensorRT-INT8模型推理速度
联系客服