如何在自定义的数据集上训练YOLOv5?
在我们的自定义数据集上可视化tensorboard结果如果你因为一些原因不能把张量可视化,可以用utils.plot_result来绘制并保存为result.png。
你需要在验证评估分数达到其最高点处获取训练好的模型权重。可视化YOLOv5训练数据在训练过程中,我们可以可视化真实训练数据和增强后的训练数据。
我们的真实训练数据
我们的训练数据采用自动YOLOv5增强对测试图像运行YOLOv5推断现在我们利用我们训练好的模型,对测试图像进行推理。训练完成后,模型权重将保存到 weights/。推理过程,我们调用这些权重和一个指定模型置信度的conf(要求的置信度越高,预测越少)、以及一个推理源。源可以接受一个包含图像、单个图像、视频文件以及设备的网络摄像头端口的目录。对于源代码,我将testjpg移到test-infer/。!python detect.py --weights weights/last_yolov5s_custom.pt --img 416 --conf 0.4 --source ../test_infer推理时间非常快,在我们的 Tesla P100 上,YOLOv5s 达到了每秒142帧!!
以142 FPS(0.007s/图像)的速度推断YOLOv5s最后,我们在测试图像上可视化我们的检测器推断结果。
测试图像的YOLOv5推理导出并保存YOLOv5权重以供将来推断既然我们定制的YOLOv5物体检测器已经通过验证,我们需要从Colab中取出权重,用于实时计算机视觉任务,为此我们导入一个Google驱动器模块并将其发送出去。from google.colab import drivedrive.mount('/content/gdrive')
%cp /content/yolov5/weights/last_yolov5s_custom.pt /content/gdrive/My Drive结论我们希望你可以训练属于你自己的定制YOLOv5检测器!使用 YOLOv5 非常方便,而且训练迅速,推理迅速,表现出色。让我们把它弄出来!参考链接:https://blog.roboflow.ai/how-to-train-yolov5-on-a-custom-dataset/
最新活动更多
-
4月30日免费下载 >> SPM31智能功率模块助力降低供暖和制冷能耗,打造可持续未来!
-
4月30日限时免费下载>> 高动态范围(eHDR)成像设计指南
-
5月10日立即下载>> 【是德科技】精选《汽车 SerDes 发射机测试》白皮书
-
5月28日立即观看>> 【在线研讨会】Ansys镜头点胶可靠性技术及方案
-
5月31日立即报名>> 【线下论坛】新唐科技2024未来创新峰会
-
6月18日立即报名>> 【线下会议】OFweek 2024(第九届)物联网产业大会
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论