相机- yolo训练集 环境搭建

这篇具有很好参考价值的文章主要介绍了相机- yolo训练集 环境搭建。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。


什么是YOLO训练集

YOLO(You Only Look Once)是一种流行的实时目标检测算法,它通过单个神经网络模型同时完成目标检测和定位。YOLO算法需要使用大量的标记数据进行训练,这些标记数据组成了YOLO数据集。

YOLO数据集是一个包含图像和相应标注的集合,用于训练和评估YOLO目标检测模型。每个图像都与其对应的目标标注信息相关联,标注信息通常以边界框(bounding box)的形式提供,表示图像中目标的位置和类别。

YOLO数据集的创建通常需要以下步骤:

  1. 收集大量的图像数据,这些图像应涵盖您希望在目标检测任务中处理的各种场景和物体类别。
  2. 对每个图像进行标注,标注目标的位置和类别信息。标注可以通过手动绘制边界框或使用特定的标注工具来完成。
  3. 将图像和相应的标注信息组织为数据集的形式,常见的格式包括PASCAL VOC、COCO等。

YOLO数据集通常包含了大量的图像和对应的标注信息,用于训练YOLO模型。这样的数据集可以帮助模型学习目标的外观特征和位置信息,从而能够在输入图像中准确地检测和定位目标物体。

请注意,YOLO数据集的具体内容和格式可能因不同的任务和应用而有所变化。在实际应用中,您可以根据您的需求和数据收集情况来创建或获取适合的YOLO数据集。

一、环境准备

运行cmd执行python --version 检查是否安装成功
相机- yolo训练集 环境搭建,深度学习,YOLO,python,训练集,机器学习
安装pip,打开运行指令 python -m ensurepip --upgrade
打开官网,下载get_pip.py
相机- yolo训练集 环境搭建,深度学习,YOLO,python,训练集,机器学习
运行cmd 运行指令python get-pip.py
运行cmd 运行指令 pip --version
相机- yolo训练集 环境搭建,深度学习,YOLO,python,训练集,机器学习
显示pip版本即安装成功

根据上面获取的相机序号,在python中通过cv2操作相机设备,参考如下脚本

import cv2
def videocapture():
    #调用摄像头‘0’一般是打开电脑自带摄像头,‘1’是打开外部摄像头(只有一个摄像头的情况)
    cap = cv2.VideoCapture(1)
if False == cap.isOpened():
        print('Error: 无法打开相机,请检查相机是否已连接?')
        return

 #设置图像宽高,必须与相机分辨率一致,否则无法显示

    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1440)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 1080)
    # 设置帧率
    cap.set(cv2.CAP_PROP_FPS , 15)
    # 显示图像
    while True:
        ret, frame = cap.read()
        frame_1 = cv2.resize(frame , (640 , 512))
        cv2.imshow("frame", frame_1)
     
        input = cv2.waitKey(1)
        if input == ord('q'):
            break
     
    cap.release()  # 释放摄像头
    cv2.destroyAllWindows()  # 销毁窗口
  
if __name__ == '__main__' :
    videocapture()

二、YOLOX 安装

1、yolox源码下载

git clone https://github.com/Megvii-BaseDetection/YOLOX.git
pip3 install -v -e .  # or  python3 setup.py develop

2、安装 python 依赖包

 安装 vcpkg (windows)
git clone https://github.com/microsoft/vcpkg
 .\vcpkg\bootstrap-vcpkg.bat
安装protoc、protobuf
#1 使用vcpkg 安装 protobuf
vcpkg install protobuf
#1 安装 protobuf
pip3 install protobuf==3.20.1
 安装yolox依赖

cd 到 yolox 目录下,注释掉 requirements.txt 中的torch、torchvision、onnx相关行如下
相机- yolo训练集 环境搭建,深度学习,YOLO,python,训练集,机器学习

pip3 install -r requirements.txt

1. 安装 cuda

cuda是Nvidia显卡配套的软件,只支持Nvidia显卡。
带Nvidia独显的电脑一般已经安装好cuda,可通过执行命令 nvidia-smi 检查
相机- yolo训练集 环境搭建,深度学习,YOLO,python,训练集,机器学习
执行nvidia输出类似上述的界面,则表明已自带cuda,不需再安装cuda。

如果未自带cuda,可参考如下链接安装:

https://blog.csdn.net/m0_45447650/article/details/123704930

三、模型训练

1. 基于预训练模型训练

# 命令格式: 
#        python -m tools.train -n 模型 -d 显卡数量 -b batch_size --fp16 \
#                           -o -c 预训练模型路径
# 模型可选 yolox-m、yolox-l、yolox-x等
# 显卡数量 不能大于实际数量
python -m tools.train -n yolox-s -d 1 -b 16 --fp16 -o -c /home/common/standard_retrained_models/yolox_s.pth

2. 不基于预训练模型训练

# 命令格式: 
#        python -m tools.train -n 模型 -d 显卡数量 -b batch_size --fp16
# 模型可选 yolox-m、yolox-l、yolox-x等
# 显卡数量 不能大于实际数量
python -m tools.train -n  yolox-s -d 1 -b 8 --fp16

3. 分布式训练

以2台机器使用预训练模型为例文章来源地址https://www.toymoban.com/news/detail-528154.html

3.1 master 机器

# 命令格式: 

#        python -m tools.train -n 模型 -d 显卡数量 -b batch_size --fp16
#                --dist-url tcp://mater_ip:端口 --dist-backend 后端 \
#                --num_machines 机器数量 --machine_rank 机器序号
# 模型可选 yolox-m、yolox-l、yolox-x等
# 显卡数量 不能大于实际数量
# 机器序号(0代表master)
# --dist-backend 后端 \
python -m tools.train -n yolox-s -d 1 -b 16 --fp16 \
    -o -c ./pretrained_models/yolox_s.pth \
    --dist-backend gloo --dist-url tcp://10.0.84.234:12315 \
    --num_machines 2 --machine_rank 0

3.2 slave 机器

# 命令格式: 
#        python -m tools.train -n 模型 -d 显卡数量 -b batch_size --fp16
#                --dist-url tcp://mater_ip:端口 --dist-backend 后端 \
#                --num_machines 机器数量 --machine_rank 机器序号
# 模型可选 yolox-m、yolox-l、yolox-x等
# 显卡数量 不能大于实际数量
# 机器序号(0代表master,非0值代表slave,要与实际的机器数量一致,如3台机器,0代表master,则slave是1或2)
# mater_ip:端口 要与 master保持一致
python -m tools.train -n yolox-s -d 1 -b 16 --fp16 \
    -o -c ./pretrained_models/yolox_s.pth \
    --dist-backend gloo --dist-url tcp://10.0.84.234:12315 \
    --num_machines 2 --machine_rank 1

四、模型使用

1、图片识别

python tools/demo.py image -n yolox-s -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

2、视频

python tools/demo.py video -n yolox-s -c /path/to/your/yolox_s.pth --path /path/to/your/video --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

到了这里,关于相机- yolo训练集 环境搭建的文章就介绍完了。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

  • 计算机设计大赛 深度学习YOLO抽烟行为检测 - python opencv

    🔥 优质竞赛项目系列,今天要分享的是 🚩 基于深度学习YOLO抽烟行为检测 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:4分 🧿 更多资料, 项目分享: https://gitee.com/dancheng-sen

    2024年02月22日
    浏览(95)
  • 软件杯 深度学习YOLO图像视频足球和人体检测 - python opencv

    🔥 优质竞赛项目系列,今天要分享的是 🚩 深度学习YOLO图像视频足球和人体检测 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:5分 🧿 更多资料, 项目分享: https://gitee.com/dan

    2024年04月11日
    浏览(40)
  • 竞赛选题 深度学习YOLO安检管制物品识别与检测 - python opencv

    🔥 优质竞赛项目系列,今天要分享的是 🚩 **基于深度学习YOLO安检管制误判识别与检测 ** 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:4分 工作量:3分 创新点:4分 🧿 更多资料, 项目分享: https://gi

    2024年02月07日
    浏览(44)
  • 竞赛选题 深度学习实现行人重识别 - python opencv yolo Reid

    🔥 优质竞赛项目系列,今天要分享的是 🚩 **基于深度学习的行人重识别算法研究与实现 ** 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:5分 🧿 更多资料, 项目分享: https://

    2024年02月05日
    浏览(41)
  • 竞赛选题 深度学习YOLO图像视频足球和人体检测 - python opencv

    🔥 优质竞赛项目系列,今天要分享的是 🚩 深度学习YOLO图像视频足球和人体检测 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:5分 🧿 更多资料, 项目分享: https://gitee.com/dan

    2024年02月07日
    浏览(46)
  • 挑战杯 基于YOLO实现的口罩佩戴检测 - python opemcv 深度学习

    🔥 优质竞赛项目系列,今天要分享的是 🚩 **基于YOLO实现的口罩佩戴检测 ** 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:4分 创新点:4分 🧿 更多资料, 项目分享: https://gitee.com/dancheng-s

    2024年02月22日
    浏览(49)
  • 大数据毕设选题 - 深度学习火焰识别检测系统(python YOLO)

    🔥 Hi,大家好,这里是丹成学长的毕设系列文章! 🔥 对毕设有任何疑问都可以问学长哦! 这两年开始,各个学校对毕设的要求越来越高,难度也越来越大… 毕业设计耗费时间,耗费精力,甚至有些题目即使是专业的老师或者硕士生也需要很长时间,所以一旦发现问题,一定

    2023年04月11日
    浏览(43)
  • 计算机竞赛 深度学习人体跌倒检测 -yolo 机器视觉 opencv python

    🔥 优质竞赛项目系列,今天要分享的是 🚩 **基于深度学习的人体跌倒检测算法研究与实现 ** 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:5分 🧿 更多资料, 项目分享: https

    2024年02月08日
    浏览(75)
  • 【D435i深度相机YOLO V5结合实现目标检测】

    参考:Ubutntu下使用realsense d435i(三):使用yolo v5测量目标物中心点三维坐标 欢迎大家阅读2345VOR的博客【D435i深度相机YOLO V5结合实现目标检测】🥳🥳🥳 2345VOR鹏鹏主页: 已获得CSDN《嵌入式领域优质创作者》称号👻👻👻,座右铭:脚踏实地,仰望星空🛹🛹🛹 本文章属于

    2024年02月08日
    浏览(66)
  • realsense D455深度相机+YOLO V5结合实现目标检测(一)

    realsense D455深度相机+YOLO V5结合实现目标检测(二)第二篇链接 可以实现将D435,D455深度相机和yolo v5结合到一起,在识别物体的同时,还能测到物体相对与相机的距离。 说明一下为什么需要做这个事情?1.首先为什么需要用到realsense D455深度相机? 因为他是普通的相机还加了一个

    2024年02月06日
    浏览(50)

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