Yolo V5 Rock Paper Scissors Detection

🚀 YOLOv5物体检测模型

YOLOv5是一款强大的物体检测模型，本项目提供了具体的使用方法，能帮助用户快速进行物体检测任务，同时还支持在自定义数据集上进行微调。

🚀 快速开始

安装依赖

安装yolov5：

pip install -U yolov5

加载模型并进行预测

import yolov5

# 加载模型
model = yolov5.load('uisikdag/taskagitmakas')
  
# 设置模型参数
model.conf = 0.25  # NMS置信度阈值
model.iou = 0.45  # NMS IoU阈值
model.agnostic = False  # NMS类别无关
model.multi_label = False  # NMS每框多标签
model.max_det = 1000  # 每张图像的最大检测数

# 设置图像
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 进行推理
results = model(img, size=640)

# 带测试时增强的推理
results = model(img, augment=True)

# 解析结果
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# 在图像上显示检测边界框
results.show()

# 将结果保存到 "results/" 文件夹
results.save(save_dir='results/')

在自定义数据集上微调模型

yolov5 train --data data.yaml --img 640 --batch 16 --weights uisikdag/taskagitmakas --epochs 10

📚 详细文档

模型信息

数据集

数据集可在此处找到。

更多模型

更多模型可查看awesome-yolov5-models。

数据集可在
此处找到