yolov5运行实战

三个步骤即可跑通yolov5

Ultralytics已经把工程简化到了极致,跑起来只需要3个步骤
快速入门 -Ultralytics YOLOv8 文档

1.Anaconda 创建工作环境

安装一下Anaconda,这个是为了隔离不同的运行环境用的,类似虚拟机一样帮你分开不同的工作区间
Anaconda: https://www.anaconda.com/download/success

装完后要配置一下环境变量,安装的时候没有配置上去,可以直接在搜索搜编辑系统环境变量,我建议是用户和系统的Path里面都填上这三个路径

环境变量设置.png

有环境变量后Win+R打开cmd,输入以下命令正常创建工作区,这里命名为yolov5

conda env list
conda create -n yolov5 python=3.8
conda activate yolov5
conda init

2. 安装环境:

找到yolov5的源码并下回来解压,里面有个requirements.txt文件
yolov5: https://github.com/ultralytics/yolov5

  • 在你创建的conda环境下,cd进入这个目录,输入下列命令去自动安装环境,pip会自动去下载requirements.txt里面写的环境,后面是清华园的镜像,可以加速下载
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111

3. yolov5 + cv2 摄像头检测代码

  • 创建一个yolov5.py文件,复制进去执行即可
import torch
import cv2
import numpy as np

# 加载预训练的YOLOv5模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# 打开摄像头0
cap = cv2.VideoCapture(0)

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break

    # 对获取的帧进行推理
    results = model(frame)

    # 显示结果
    cv2.imshow('YOLOv5 Detection', np.squeeze(results.render()))

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头资源
cap.release()
cv2.destroyAllWindows()

中途可能说找不到环境,需要在vscode中输入 >python select interpreter ,点击选择解释器,去指定一下我们创建的conda环境(yolov5)


选择解释器.png
  • 运行成功


    物体检测.png

适用于2024.4.12,下一篇将尝试自己创建数据集,并训练自己的pt文件

最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容