YOLOv5 能够实现快速的目标检测，适合需要实时处理的应用场景。

1 安装

从 Github 上下载并安装运行需要使用的依赖，

1
2
3
git clone https://github.com/ultralytics/yolov5
cd ./yolov5
%pip install -qr requirements.txt

验证是否可以正常运行，

1
2
3
import torch
import utils
display = utils.notebook_init()  # checks

终端显示输出安装环境的状态信息以及计算机的相关信息，即可正常运行。

1
2
YOLOv5  2024-12-5 Python-3.8.20 torch-2.4.1+cpu CPU
Setup complete  (20 CPUs, 31.7 GB RAM, 59.3/84.1 GB disk)

YOLOv5 可以实现目标分类与目标识别，下面简单介绍下目标分类的实现。

2 推理

终端运行推理脚本，配置与训练模型与需要分类的数据。

1
!python classify/predict.py --weights yolov5s-cls.pt --img 224 --source data/images

可以通过以下脚本显示推理后的数据。

1
display.Image(filename='runs/predict-cls/exp/zidane.jpg', width=600)

3 验证

1
!python classify/val.py --weights yolov5s-cls.pt --data ../datasets/imagenet --img 224 --half

4 训练

对于单目标分类问题，不需要打标签，只需要将同一分类放到同一文件夹即可。

同时，修改训练脚本中有关数据集的选项即可。

1
parser.add_argument("--data", type=str, default="imagenette160", help="cifar10, cifar100, mnist, imagenet, ...")

也可以在执行脚本时，指定参数。

1
!python classify/train.py --model yolov5s-cls.pt --data imagenette160 --epochs 5 --img 224 --cache

以上就是使用 YOLOv5 进行单目标分类问题的简明教程。

⚓ Carl Zhao
🏢 逍遥科技有限公司
💭 曾经也是追光少年，然而少年归来已不再是少年，但依然在追光的路上。
📧 邮箱：1005513510@qq.com