文章目录
前言
YOLOv5 🚀 是COCO数据集上预处理的一系列对象检测架构和模型，代表Ultralytics对未来视觉人工智能方法的开源研究，融合了数千小时研究和开发过程中积累的经验教训和最佳实践。
本文用来记录第一次使用 YOLOv5实现：
- 视频目标检测
- 摄像头目标检测
博主所使用的环境是win10 + Anaconda的虚拟环境（Python>=3.7.0,PyTorch>=1.7），软件环境是Jupyter Notebook
提示：以下是本篇文章正文内容，下面案例可供参考
; 一、YOLOv5
下载地址：https://github.com/KZwyj/yolov5
使用YOLOv5的模型可以识别以下物体类别等：
'dog','person','tie','cat','tv','car','meatballs','marinara sauce','tomato soup','chicken noodle soup','french onion soup','chicken breast','ribs','pulled pork',''cavity'
同时也可以自定义数据集并训练，有关于自定义数据集这部分后期再进行讲解。
二、环境要求
基本环境要求：
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.1
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.64.0
其他（不安装也不会影响运行）：
tensorboard>=2.4.1
pandas>=1.1.4
seaborn>=0.11.0
ipython # interactive notebook
psutil # system utilization
thop>=0.1.1 # FLOPs computation
二、安装环境
在虚拟环境中安装以上库：
cd yolov5
pip install -r requirements.txt
测试YOLOv5：
model = torch.hub.load("ultralytics/yolov5","yolov5s")
出现Adding AutoShape…提示，即为YOLOv5模型（yolov5s）加载成功：
然后进行测试（图片目标检测）：
img = "https://raw.githubusercontent.com/ultralytics/yolov5/master/data/images/zidane.jpg"
results = model(img)
results.print()
显示检测结果信息：
显示图片：
%matplotlib inline
plt.imshow(np.squeeze(results.render()))
plt.show()
四、视频目标检测
从前面我们知道，我们已经获取到了YOLOv5模型，下面使用opencv，加载视频并进行目标检测。
1、导入库
import torch
from matplotlib import pyplot as plt
import numpy as np
import cv2
2、获取输入视频
video_path = "./videoes/traffic_evening.mp4"
cap = cv2.VideoCapture(video_path)
我所加载的视频是放在当前目录的videoes文件夹下，可以根据需要修改video_path为你视频存放位置。
3、开始目标检测
while cap.isOpened():
ret,frame = cap.read()
results = model(frame)
cv2.imshow('YOLO',np.squeeze(results.render()))
if cv2.waitKey(10) & 0xFF == ord('q'):
break
4、关闭和释放
cap.release()
cv2.destroyAllWindows()
五、摄像头目标检测
摄像头目标检测和视频目标检测区别不大，只需要修改：
cap = cv2.VideoCapture(0)
六、结果展示
Original: https://blog.csdn.net/qq_41664447/article/details/127150124
Author: 长浔
Title: YOLOv5实现目标检测
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/629306/
转载文章受原作者版权保护。转载请注明原作者出处！