# 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。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
使用说明在zip压缩包 README 文件中,请仔细阅读。 一、物体识别(检测) 1. 选择权重 说明: 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 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 二、物体训练 1. 图片标注 1.1 新建数据集 注意:尽量不使用中文! 1.2 上传图片 注意:图片名称不能出现中文! 1.3 选择标注数据集 1.4 新建标注类 1.5 进行标注 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 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 2.3 其他训练参数
资源推荐
资源详情
资源评论
收起资源包目录
基于Yolov5的Vue前端目标检测和训练可视化系统 (316个子文件)
events.out.tfevents.1606813051.51e3c2d6aab3.3325.0 194KB
nginx.conf 1KB
chunk-vendors.0cb796e1.css 496KB
style.css 24KB
font-awesome.min.css 22KB
switch.css 2KB
app.dada8a13.css 918B
chunk-71d0acde.47cc2b6c.css 743B
preloader.css 563B
chunk-5a3125f7.f22aa86e.css 558B
chunk-24cc6834.366eb9eb.css 350B
chunk-57d703d9.5d476d6b.css 349B
chunk-1bdfb153.211eb7d0.css 289B
chunk-a1f37cc6.2dfffa2b.css 69B
chunk-1100206e.45e65aad.css 35B
foo.db 12KB
Dockerfile 372B
DockerfileGPU 1KB
.DS_Store 18KB
.DS_Store 10KB
.DS_Store 10KB
.DS_Store 10KB
.DS_Store 8KB
.DS_Store 8KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
.DS_Store 6KB
fontawesome-webfont.eot 37KB
rectExample.gif 1.7MB
polygonExample.gif 1.68MB
dragExample1.gif 1.4MB
historyExample.gif 845KB
dragExample2.gif 769KB
loader.gif 68KB
index.html 9KB
index.html 2KB
favicon.ico 4KB
favicon.ico 1KB
dog.jpeg 184KB
alley.jpg 1.39MB
street.jpg 861KB
cat.jpg 454KB
city.jpg 263KB
band.jpg 228KB
8f0620aa-0ba7-42a9-b899-26e6a11102f4.jpg 226KB
football.jpg 190KB
basketball.jpg 188KB
000004.jpg 136KB
49ff9b9d-0e7b-40da-9fb7-1261c4a743ef.jpg 120KB
furniture.jpg 101KB
bro.jpg 85KB
person.jpg 83KB
000003.jpg 70KB
fd68201c-7bb7-4305-b9c1-8bd86cd5b441.jpg 69KB
c069c6ce-424b-45fb-9fc5-bd619c05a15f.jpg 61KB
train_batch2.jpg 51KB
250c4dbe-bf13-41ab-9f58-3751e0e69f5b.jpg 43KB
bro.jpg 42KB
95939f32-ca6e-4150-924c-a9855a417f00.jpg 41KB
000005.jpg 41KB
train_batch1.jpg 40KB
train_batch0.jpg 40KB
test_batch1_pred.jpg 38KB
test_batch1_labels.jpg 37KB
test_batch2_pred.jpg 37KB
test_batch2_labels.jpg 36KB
ee33e0ef-0e44-47c8-a807-1e18e719d4b8.jpg 31KB
dogs.jpg 22KB
test_batch0_pred.jpg 19KB
test_batch0_labels.jpg 19KB
000002.jpg 13KB
000-0.jpg 7KB
chunk-vendors.82dec805.js 1.97MB
jquery.min.js 87KB
socket.io.min.js 66KB
webAnnotate.js 53KB
chunk-24cc6834.da0ed87c.js 33KB
chunk-5a3125f7.682599e1.js 22KB
colorPicker.js 21KB
colorpicker.js 21KB
chunk-57d703d9.38ed1173.js 19KB
app.05553118.js 16KB
chunk-71d0acde.b623a46e.js 10KB
operator.js 6KB
chunk-1bdfb153.50a829af.js 4KB
chunk-1100206e.5e3eb6f2.js 1KB
chunk-a1f37cc6.b557dd78.js 750B
preloader.js 371B
config.js 350B
basketball.json 8KB
alley.json 6KB
city.json 6KB
band.json 3KB
共 316 条
- 1
- 2
- 3
- 4
资源评论
hakesashou
- 粉丝: 4073
- 资源: 1035
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Java面试题+Java并发编程(J.U.C)+Java8实战+Redis+kafka
- Kotlin基础.pdf(39页,包含基础篇和进阶篇)
- 动态语义SLAM-目标检测+VSLAM+光流+多视角几何动态物体检测源码+octomap地图+目标数据库.zip
- 中国石油大学软件工程课程设计 网上在线销售系统
- 基于STM32F103C8T6、LCD1602、DS1338U(I2C接口)时钟采集显示系统proteus仿真设计
- python数据分析建模基础数据可视化自然语言处理入门基础.zip
- 使用YOLOv9+DeepSort实现的目标跟踪算法python源码.zip
- 鸿蒙OS ArkTS语言网络接口请求
- 基于序参量体系的大系统物质流与能量流协同度计算软件V1.0
- 基于STM32F103C8T6、LCD1602、DS1338(I2C接口)电子时钟proteus仿真设计
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功