yolov5简要介绍

We-Fly大约 4 分钟

什么是yolo

yolo（you only look once）是一种one-stage类别的目标算法，可以直接回归于物体的位置坐标和类别概率，速度相比two-stage要快。因为直接通过主干网络给出类别和位置信息，没有使用RPN网路，所以准确度要低。比较经典的one-stage检测算法包括YOLO，SSD等。

yolo于16年被提出，这是发表在计算机视觉顶会上国内镜像原文网址，有兴趣的可以看一下：

http://xxx.itp.ac.cn/pdf/1506.02640v5open in new window

当然有one-stage自然也有two-stage类别的目标算法。
two-stage的算法是先通过对物体框定候选框，再对每个候选框进行分类、修正位置。这种算法速度较慢，因为它需要多次运行检测和进行分类。

yolov5简单操作

接下来是讲解如何用yolov5跑通自己的模型！

首先你需要确保你能访问谷歌，并且你还要有一个Google邮箱账号。因为本教程是基于谷歌的colab来进行的。

colab
这里介绍一下colab。colab是Google提供的一个在线工作平台，colab的py代码的运行是基于jupyter的，在学CV的教程中有很多教程是在jupyter上进行的,能够分块执行代码，并能添加注释（你们刚刚开始学CV时看到许多教程应该有这种体会）。
当你在运行程序时colab会创建一个虚拟机，也就是连接你的代码时colab需要分配实例空间，在这上面运行代码并在运行结束后回传至你的电脑。在接触深度学习后，你会知道GPU运行速度会远超CPU，没有一个好的显卡、算力不足等情况在跑模型时会很痛苦。所以使用colab的好处是可以白嫖Google的算力！！

第一步

首先将预识别物体进行拍照，提高识别物体的准确率，建议大家多个角度拍摄。整个照片集最好有40张以上

在桌面上新建一个如下规格的文件夹。

将拍摄好的照片按一定数量放入images/train和images/val中。

注意：两个文件夹的照片数量一定为2的倍数！

第二步

按图片点进这个网址open in new window

点击get started

点击Drop images,上传图片,然后点击object detection

点击+添加标签，输入标签名后点击start porject

选出识别区域

点击Actions--Export Annotatons

根据图片走

将文件解压后放入labels中，标签要与图片所在的文件夹对应

我们还需要一个yaml文件，根据实际情况修改！，建议用VSCode打开。

train: ../traindata/images/train/  # train images (relative to 'path') 128 images
val: ../traindata/images/val/  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes
nc: 1  # number of classes
names: ['car']  # class names


# Downloacsyd script/URL (optional)
download: https://ultralytics.com/assets/coco128.zip