Yolov5s Smoke

🚀 YOLOv5烟雾目标检测模型

本项目基于YOLOv5实现烟雾目标检测，在特定数据集上取得了高精度的检测效果，可用于各类需要烟雾检测的视觉场景。

🚀 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('keremberke/yolov5s-smoke')
  
# 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每个框多个标签
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)

# 使用测试时增强进行推理
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 keremberke/yolov5s-smoke --epochs 10

💻 使用示例

基础用法

import yolov5

# 加载模型
model = yolov5.load('keremberke/yolov5s-smoke')
  
# 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)

# 在图像上显示检测边界框
results.show()

高级用法

import yolov5

# 加载模型
model = yolov5.load('keremberke/yolov5s-smoke')
  
# 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每个框多个标签
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'

# 使用测试时增强进行推理
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]

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

📄 模型信息

📊 评估指标

在 keremberke/smoke-object-detection 数据集的验证集上，模型的 mAP@0.5 指标为 0.9945003736307544。