YOLOv5来了

老子叫甜甜 提交于 2021-02-20 19:41:03

软硬件环境

  • ubuntu 18.04 64bit
  • anaconda with 3.7
  • nvidia gtx 1070Ti
  • cuda 10.1
  • pytorch 1.5
  • YOLOv5

前言

YOLOv4还没有退热,YOLOv5就已经来了!

6月9日,Ultralytics公司开源了YOLOv5,离上一次YOLOv4发布不到50天,不过这一次的YOLOv5是基于PyTorch实现的,而不是之前版本的darknet

根据官方给出的数字,YOLOv5的速度最快可以达到每秒140帧(FPS),但是权重文件只有YOLOv4的1/9,而且准确度更高。本次的发布的YOLOv5并不是一个单独的模型,而是一个模型家族,包括了YOLOv5sYOLOv5mYOLOv5lYOLOv5x,要求Python 3.7和PyTorch 1.5以上版本。

关于YOLOv5这个版本,大家可以看看知乎中的讨论,链接放在文末的参考资料中

安装GPU环境

请参考之前的文章

  • ubuntu安装cuda
  • windows 10安装cuda和cudnn

安装pytorch的GPU版本

来到官网 https://pytorch.org/get-started/locally/,根据自己的环境,进行选择,网站会给出相应的安装命令。我这里的环境是linuxpipcuda 10.1

conda create -n pytorch python=3.7conda activate pytorchpip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.htmlpip install ipython

安装完pytorch后,我们在ipython中查看安装的结果

(pytorch) xugaoxiang@1070Ti:~/Works/github/yolov5$ ipythonPython 3.7.7 (default, May  7 2020, 21:25:33)Type 'copyright', 'credits' or 'license' for more informationIPython 7.15.0 -- An enhanced Interactive Python. Type '?' for help.
In [1]: import torch
In [2]: torch.cuda.is_available()Out[2]: True

说明GPU版本的pytorch安装成功

YOLOv5测试

首先还是把源码clone到本地

git clone https://github.com/ultralytics/yolov5.gitpip install -U -r requirements.txt

接下来到站点https://drive.google.com/drive/folders/1Drs_Aiu7xx6S-ix95f9kNsA6ueKRpN2J或者CSDN下载频道下载权重文件,权重文件保存在weights文件夹下

下面就可以开始测试了

首先使用项目中自带的测试图片看看效果,命令是

python detect.py

默认情况下,脚本会去读取inference/images下的所有图片并进行目标检测,带有目标框的结果图片保存在inference/out下。如果是只检测某一张图片的话,可以执行命令python detect.py --source test.jpg

为了对比测试,我们把YOLO之前版本的测试图片也跑了一遍

上图中马匹的检出率跟YOLOv4是一样的,满意

上图中右上角的垃圾桶没有被检出,这点不及YOLOv4

detect.py脚本同样支持视频的检测,包括本地摄像头、本地视频文件、m3u8播放地址和rtsp实时流,地址都是跟在参数--source后面

本地摄像头使用下面的命令

python detect.py --source 0

python detect.py --source "rtsp://user:password@192.168.1.100:554/cam/realmonitor?channel=1&subtype=1"

可以看到,使用1070Ti显卡,fps在80左右

如果你有多块显卡,可以选择具体使用哪块显示进行检测,0表示第一块,1表示第二块,cpu表示不使用gpu

python detect.py --device 0

detect.py中的参数很多,可以使用python detect.py -h进行查看

(base) xugaoxiang@1070Ti:~/Works/github/yolov5$ python detect.py -husage: detect.py [-h] [--weights WEIGHTS] [--source SOURCE] [--output OUTPUT]                 [--img-size IMG_SIZE] [--conf-thres CONF_THRES]                 [--iou-thres IOU_THRES] [--fourcc FOURCC] [--device DEVICE]                 [--view-img] [--save-txt] [--classes CLASSES [CLASSES ...]]                 [--agnostic-nms] [--augment]
optional arguments: -h, --help show this help message and exit --weights WEIGHTS model.pt path --source SOURCE source --output OUTPUT output folder --img-size IMG_SIZE inference size (pixels) --conf-thres CONF_THRES object confidence threshold --iou-thres IOU_THRES IOU threshold for NMS --fourcc FOURCC output video codec (verify ffmpeg support) --device DEVICE cuda device, i.e. 0 or 0,1,2,3 or cpu --view-img display results --save-txt save results to *.txt --classes CLASSES [CLASSES ...] filter by class --agnostic-nms class-agnostic NMS --augment augmented inference

以上测试都是基于yolov5s.pt权重文件,其它的权重请自行测试,指定--weights参数

参考资料

  • https://github.com/ultralytics/yolov5
  • https://github.com/AlexeyAB/darknet
  • https://www.zhihu.com/question/399884529


本文分享自微信公众号 - 迷途小书童的Note(Dev_Club)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!