基于Yolov5+Vue前端目标检测和训练可视化系统Python源码+文档说明+数据集+页面演示.zip

# 一、物体识别（检测） ### 1. 选择权重 <img src='screenshots/0ffbddc1-1743-42db-9c28-056d99ef3778.png' /> 说明： 1. yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt 为自带的预训练权重，可识别一般普通物体如：人、猫、狗、车等 2. 可以选择自训练权重对专一物体进行识别检测 ### 2. 上传识别 <img src='screenshots/8f0620aa-0ba7-42a9-b899-26e6a11102f4.jpg' /> # 二、物体训练 ## 1. 图片标注 ### 1.1 新建数据集 <img src='screenshots/cc8f0e2d-f745-44ee-88dc-5f6918781ea9.png'> 注意：尽量不使用中文！ ### 1.2 上传图片 <img src='screenshots/c069c6ce-424b-45fb-9fc5-bd619c05a15f.jpg' > 注意：图片名称不能出现中文！ ### 1.3 选择标注数据集 <img src='screenshots/250c4dbe-bf13-41ab-9f58-3751e0e69f5b.jpg' ><img src='screenshots/ee33e0ef-0e44-47c8-a807-1e18e719d4b8.jpg' > ### 1.4 新建标注类 <img src='screenshots/95939f32-ca6e-4150-924c-a9855a417f00.jpg' > ### 1.5 进行标注 <img src='screenshots/49ff9b9d-0e7b-40da-9fb7-1261c4a743ef.jpg'> 注意，每次标注完当前图片后必须进行保存！ ## 2. 权重训练 ### 2.1 选择数据集 <img src='screenshots/a31f0b33-a2c8-4482-a8a8-3830468519a7.png'> 注意：数据集必须标注完全，即每一张图片都需要有对应标注信息。 ### 2.2 选择预训练权重 <img src='screenshots/e878e512-f46b-4721-b53d-34347e1210f1.png'> ### 2.3 其他训练参数 <img src='screenshots/d5bddf82-f0e1-4a76-9ad0-bd3f09f5a135.png' > ### 2.4 开始训练 <img src='screenshots/2a27ca61-a4c1-454f-b0ac-281ad48964ce.png'> 如果训练日志输出超出内存限制，请适当降低 Batch size 参数： <img src='screenshots/6b3aafec-bd3d-4a13-ae5b-9f6fa6fc518b.png' > <img src='screenshots/85bb76a0-ef44-45e9-9aac-db67aaa5d58b.png' > ## 3. 性能和损失 ### 3.1 训练日志查看 <img src='screenshots/34dc1892-8798-435e-ae53-d0f0b8cbe083.png' > ### 3.2 训练权重检测 <img src='screenshots/fd68201c-7bb7-4305-b9c1-8bd86cd5b441.jpg' > # 三、项目部署 ## 1. 环境要求 ### 1.1 Docker容器 - 系统测试环境为Ubuntu 16.04.6 LTS，Linux内核为4.15.0： ``` Static hostname: 304 Icon name: computer-desktop Chassis: desktop Machine ID: 1d0f19d8da7049cdaa13ef3402ecdc18 Boot ID: a07e6032ce044fac872d74c61b339b8f Operating System: Ubuntu 16.04.6 LTS Kernel: Linux 4.15.0-70-generic Architecture: x86-64 ``` - Docker容器版本为19.03，尽量使用较新版本Docker： ``` Docker version 19.03.13, build 4484c46d9d ``` ### 1.2 所需镜像 - ~~mysql:5.7 mysql数据库镜像~~ ``` docker pull mysql:5.7 ``` - flasktrain:latest 项目镜像 ``` docker pull registry.cn-hangzhou.aliyuncs.com/lvjune/yolov5_train_system:latest ``` 或从Dockerfile构建： ``` shell docker build . -t yolov5-train-system:latest ``` **更新**：已移除mysql数据库的使用，改为本地化存储的sqlite3数据库。 ## **2. 项目配置** ### ~~2.1 数据库配置~~ - ~~启动一个mysql数据库容器，映射到主机端口为33066，root密码为123456~~ ``` docker run -d -e MYSQL_ROOT_PASSWORD=123456 -p 33066:3306 mysql:5.7 ``` - ~~启动并进入容器，创建数据库~~ ``` mysql -uroot -p123456 create database train_system; ``` ### 2.2 训练系统配置 - ~~启动一个flasktrain容器，映射三个端口，分别是：5050对应后端访问端口、6060对应Tensorboard访问端口、8080对应前端访问端口~~ ``` docker run -d -p 5050:5000 -p 6060:6006 -p 8080:80 flasktrain ``` - ~~启动并进入容器，修改前端访问服务器地址：~~ ``` vim /train/vue/config.js ``` ``` FLASK_CONFIG.baseUrl = "http://服务器IP地址:5050" FLASK_CONFIG.tensorboardUrl = "http://服务器IP地址:6060/" ``` **更新**：使用nginx做反向代理，在容器内部解决了前后端跨域访问的问题。详见*nginx.conf*文件代理内容。无需手动修改端口、地址访问配置。 ## 3. 项目运行 ### ~~3.1 运行前端~~ ``` service nginx start ``` ### ~~3.2 运行后端~~ ``` cd /train && python run.py ``` ### ~~3.3 浏览器访问~~ ``` http://服务IP地址:8080/ ``` **更新**：将启动命令写入*startup.sh*文件，内容如下： ```shell #!/bin/bash # cd /train host=`cat /etc/hosts | awk 'END {print}' | cut -f 1` sed -i "s/127.0.0.1/${host}/g" nginx.conf nginx -c /train/nginx.conf python run.py # docker run -d -p 80:80 yolov5trainsystem ./startup.sh # set ff=unix # chmod +x ./startup.sh ``` 首先获容器内docker分配的虚拟地址，替换掉nginx代理时的127.0.0.1，以供宿主机访问，然后启动nginx前端和flask后端。 启动容器指令: ``` shell docker run -d -p 80:80 yolov5trainsystem:latest ``` 浏览器访问80端口。