【YOLOv5实现玩手机检测】

这篇具有很好参考价值的文章主要介绍了【YOLOv5实现玩手机检测】。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

YOLOv5实现完手机检测

模型和数据集下载:
1、玩手机检测数据
2、YOLOv5玩手机检测模型
3、YOLOv5玩手机检测模型+pyqt界面
4、 VOC手机检测识别数据集
5、yolov7玩手机检测+训练好的玩手机的模型
6、Darknet版YOLOv3玩手机检测+weights权重+标注好的数据集
7、Darknet版YOLOv4玩手机检测+weights权重+数据集

  • 其他数据集和模型可见 :YOLO系列目标检测数据集大全

配置环境

首先需要安装anaconda3和pycharm,若不知道如何安装,请参考这篇博客
安装好anaconda后,在上面新建python3.8虚拟环境,打开anaconda终端,输入如下命令:

conda create -n py38 python=3.8	# py38是虚拟环境的名字,可以更改
conda activate py38	# 激活创建好的虚拟环境

gpu版本和cpu版本的pytorch安装方法

YOLOv5项目在CPU和GPU下均可运行,但是CPU运行速度很慢,当然使用已经训练好完手机检测模型用来测试得出结果,CPU也是可行的,如果需要自己重新训练数据集,最好还是得有一个可用的英伟达的显卡。
如果有显卡,需要确定支持的CUDA的版本,所以有显卡的可以安装GPU版本的Pytorch,只有CPU的直接安装CPU版本的pytorch。在anaconda中激活创建好的虚拟环境,执行对应版本的命令就可以 (安装时间看具体网速,一般要比较久的时间):

# GPU版本pytorch安装命令
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html 

# CPU版本pytorch安装命令
conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cpuonly -c pytorch

执行命令后如下,需要激活虚拟环境后再安装,也就是安装在py38环境中:
【YOLOv5实现玩手机检测】

安装YOLOv5所需其他依赖

首先下载YOLOv5完手机检测模型;若需要pyqt界面,下载YOLOv5完手机检测模型+pyQT可视化界面。
项目文件下有需要安装的依赖要求在requirements.txt文件中,我们在pycharm终端里面来安装其他依赖。
在pycharm中打开项目文件夹下的requiremes.txt,注释掉已经安装好的包,此外还安装pyqt5用于可视化界面:
【YOLOv5实现玩手机检测】接下来打来pycharm自带终端:
【YOLOv5实现玩手机检测】输入命令:pip install -r requirements.txt 安装即可,pip install 也可以添加清华源安装加速,则输入:

 pip install -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple 
 pip install pyqt5 -i https://pypi.tuna.tsinghua.edu.cn/simple 

【YOLOv5实现玩手机检测】

使用训练好的YOLov5玩手机检测模型运行推理

训练好的玩手机检测模型保存在runs/train下的文件夹中,包含YOLOv5s和YOLOv5m两种训练好的模型。

在pycharm终端中执行如下命令:

python detect.py --source play_phone-dataset/img/1.jpg --weights runs/train/play_phone-v5s/weights/best.pt

若需要在运行过程中展示图片,需要在输入命令行中加入参数--view-img

python detect.py --source play_phone-dataset/img/1.jpg --weights runs/train/play_phone-v5s/weights/best.pt --view-img

yolov5支可以检测图像、视频、批量图像检测以及调用自带摄像头或者USB摄像头,具体的使用方法如下:

 python detect.py --source 0  # 调用自带摄像头
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory目录
                            path/*.jpg  # glob所有图片

如检测视屏,需要将如下命令中的file.mp4换成自己的视屏文件路径即可:

python detect.py --source file.mp4 --weights runs/train/play_phone-v5s/weights/best.pt --view-img

如果需要调用电脑自带摄像头检测:

python detect.py --source 0 --weights runs/train/play_phone-v5s/weights/best.pt --view-img

批量检测图片则执行如下命令:

python detect.py --source play_phone-dataset/img --weights runs/train/play_phone-v5s/weights/best.pt

到此就完成了如何使用已经训练好的玩手机检测模型来进行推理得到识别结果了,其他YOLOv5识别模型也是这种步骤来实现的。

玩手机检测结果可视化:

【YOLOv5实现玩手机检测】【YOLOv5实现玩手机检测】文章来源地址https://www.toymoban.com/news/detail-491738.html

到了这里,关于【YOLOv5实现玩手机检测】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • YOLOv5实现目标检测

    YOLOv5 🚀 是COCO数据集上预处理的一系列对象检测架构和模型,代表Ultralytics对未来视觉人工智能方法的开源研究,融合了数千小时研究和开发过程中积累的经验教训和最佳实践。 本文用来记录第一次使用 YOLOv5实现: 视频目标检测 摄像头目标检测 博主所使用的环境是win10 +

    2024年02月09日
    浏览(44)
  • 【目标检测】理论篇(3)YOLOv5实现

    Yolov5网络构架实现

    2024年02月09日
    浏览(38)
  • 【目标检测算法实现之yolov5】 一、YOLOv5环境配置,将yolov5部署到远程服务器上

    在官网:https://github.com/ultralytics/yolov5上下载yolov5源代码 下载成功如下: 在配置基础环境之前,提前压缩自己的代码文件,并通过winscp传输给linux端,传输之后,解压该文件。解压前,先创建一个文件夹,再解压。 winscp下载使用教程参考上一篇博客:使用WinSCP下载和文件传输

    2024年01月15日
    浏览(55)
  • 使用YOLOv5实现实时目标检测结果保存

           本文将分享保存实时目标检测结果的方法,包括将目标信息逐帧保存到.txt文件中、逐帧输出检测结果图片、以及如何保存所有检测图片(包括视野中无目标的帧)。 目录 0.准备 1.目标信息保存 2.检测图片保存 3.保存所有帧        本文以单摄像头实时目标检测进行演

    2024年02月03日
    浏览(49)
  • 使用YOLOv5实现图片、视频的目标检测

    接下来我将从官方代码开始,一步一步展示如何进行图片、视频识别 首先从GitHub下载官方代码(也可以从下面链接获取): 链接:https://pan.baidu.com/s/16wzV899D90TY2Xwhx4TwhA 提取码:vzvj (你的环境名可能和我不一样) 可以看到 \\\'--weights\\\' 参数(参数解读详见4.a)的默认值为\\\'yolov

    2023年04月15日
    浏览(42)
  • YOLOv5、CNN、SVM实现车牌检测

    一、背景         随着人们的生活水平不断提高,汽车数量日益增加。随之而来的管理难度逐渐增大,对车牌检测有了越来越高的需求,比如:在汽车违法检测、停车场的入口检测等都需要车牌检测进行辅助管理。中国车牌根据颜色可划分为五种颜色:蓝色、黄色、白色、黑

    2024年02月02日
    浏览(38)
  • 【目标检测】YOLOv5算法实现(七):模型训练

      本系列文章记录本人硕士阶段YOLO系列目标检测算法自学及其代码实现的过程。其中算法具体实现借鉴于ultralytics YOLO源码Github,删减了源码中部分内容,满足个人科研需求。   本系列文章主要以YOLOv5为例完成算法的实现,后续修改、增加相关模块即可实现其他版本的

    2024年01月22日
    浏览(61)
  • 【目标检测】YOLOv5算法实现(九):模型预测

      本系列文章记录本人硕士阶段YOLO系列目标检测算法自学及其代码实现的过程。其中算法具体实现借鉴于ultralytics YOLO源码Github,删减了源码中部分内容,满足个人科研需求。   本系列文章主要以YOLOv5为例完成算法的实现,后续修改、增加相关模块即可实现其他版本的

    2024年01月21日
    浏览(47)
  • 【目标检测】YOLOv5算法实现(八):模型验证

      本系列文章记录本人硕士阶段YOLO系列目标检测算法自学及其代码实现的过程。其中算法具体实现借鉴于ultralytics YOLO源码Github,删减了源码中部分内容,满足个人科研需求。   本系列文章主要以YOLOv5为例完成算法的实现,后续修改、增加相关模块即可实现其他版本的

    2024年01月22日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包