YOLOv5使用自定义数据集实验

上一篇博文中介绍了YOLOv7训练自定义数据集，在这篇文章中，我们主要记录YOLOv5模型的实验过程，用于对比实验。
YOLOv5与YOLOv7毕竟一母同胞，因此部署起来也是极为类似。

在这里插入图片描述

数据集

数据集使用的与YOLOv7的实验数据集一样，这里就不再赘述了，大家可以参考博主这篇博文：

YOLOv7训练自定义数据集

环境部署

环境我们使用与yolov7一样的环境即可。

配置文件修改

这里的配置文件修改其实也是大同小异，简单看一下：

python">	parser.add_argument('--weights', type=str, default='/home/ubuntu/conda/yolov5/weight/yolov5l.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default='/home/ubuntu/conda/yolov5/models/yolov5l.yaml', help='model.yaml path')
    parser.add_argument('--data', type=str, default='/home/ubuntu/conda/yolov5/data/coco128.yaml', help='dataset.yaml path')
    parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-low.yaml', help='hyperparameters path')
    parser.add_argument('--epochs', type=int, default=100, help='total training epochs')
    parser.add_argument('--batch-size', type=int, default=2, help='total batch size for all GPUs, -1 for autobatch')

主要修改上面几个参数，分别是：
weights：权重文件，这里博主使用的是yolov5l.pt
下载命令：强烈建议使用一个国外的服务器，国内服务器下载实在太慢了

python"> wget  https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5l.pt

cfg：配置文件，用哪个模型，yolov5有多个模型，如thiny,small,large等，要与上面的权重文件模型一致。博主使用yolov5l.yaml
同时要将该文件内的类别数目修改为1

在这里插入图片描述

data：数据集文件地址
其余的epoch,batch-size按照自己需求来即可。

数据集文件修改

与yolov7的有些许不同，改成这样即可。

python">#path: /home/ubuntu/conda/data/  # dataset root dir
train: /home/ubuntu/conda/data/images/train  # train images (relative to 'path') 128 images
val: /home/ubuntu/conda/data/images/val  # val images (relative to 'path') 128 images
# Classes
names:
  0: pedestrains