Yolov5s V7.0

🚀 YOLOv5 目標檢測項目

本項目基於 YOLOv5 實現目標檢測，可用於計算機視覺領域，能在 COCO 等數據集上進行訓練和推理，支持模型的安裝、預測和微調。

🚀 快速開始

安裝 YOLOv5

pip install -U yolov5

加載模型並進行預測

import yolov5

# 加載模型
model = yolov5.load('fcakyon/yolov5s-v7.0')
  
# 設置模型參數
model.conf = 0.25  # NMS 置信度閾值
model.iou = 0.45  # NMS IoU 閾值
model.agnostic = False  # NMS 類別無關
model.multi_label = False  # NMS 每個框多個標籤
model.max_det = 1000  # 每張圖像的最大檢測數

# 設置圖像
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 進行推理
results = model(img)

# 使用更大的輸入尺寸進行推理
results = model(img, size=640)

# 使用測試時增強進行推理
results = model(img, augment=True)

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

# 在圖像上顯示檢測邊界框
results.show()

# 將結果保存到 "results/" 文件夾
results.save(save_dir='results/')

在自定義數據集上微調模型

yolov5 train --img 640 --batch 16 --weights fcakyon/yolov5s-v7.0 --epochs 10 --device cuda:0

📄 許可證

本項目採用 GPL-3.0 許可證。