提示：文章寫完后，目錄可以自動生成，如何生成可參考右邊的幫助檔案
YOLO v5 吸煙行為目標檢測模型：計算機配置、制作資料集、訓練、結果分析和使用
- 前言
- 相關連接（look評論）
- 一、計算機配置
-
- pytorch安裝-GPU版本
- pycocotools的安裝
- 二、YOLO v5下載
- 三、模型使用
-
- 獲取資料集
- 更改train.py檔案
- 模型權重
- 四、吸煙視頻檢測效果
- 總結
前言
YOLO v5模型簡單易上手好用，場地吸煙行為實時監測，
YOLO v5 優點：
- 可識別視頻幀數高，
- 技術成熟，有現成模型，
- 操作簡單，
吸煙行為識別：
- 實時監測，
- 離線監測，
- 畢設需求，
吸煙（抽煙）目標檢測痛難點：
- 形狀：煙細小，在影像中所占比例小，難捕捉，
- 顏色：主要有紅色、白色和黃或黑色組成，與周圍環境顏色難區分，
所以需要收集并制作大量的吸煙圖片資料集，同時選擇合適的演算法模型，以提高目標檢測準確率，
相關連接（look評論）
（1）本文視頻教程：https://www.bilibili.com/video/BV1S5411Q7Zi/
（2）xml格式轉換成YOLO標注格式txt的python腳本
（3）吸煙檢測專案YOLO格式資料集
（4）YOLO v5 吸煙行為識別檢測專案模型代碼及模型權重
一、計算機配置
pytorch安裝-GPU版本
pytorch有gpu版本和cpu版本，圖片識別最好（必須）使用GPU版本，前提是電腦有GPU，GPU版本安裝的具體步驟可以參考這篇文章：GPU版本安裝，
pycocotools的安裝
pip install pycocotools-windows
二、YOLO v5下載
YOLO v5模型官網，有具體的使用說明和介紹，視頻識別幀數杠杠的！但這官網YOLO v5 包沒有設計Windows界面，
目前官網YOLO v5 包里訓練模型主要有v5s、v5m、v5l、v5x，對GPU要求依次增加，其中v5x對GPU要求例外高，
三、模型使用
獲取資料集
使用標注好的吸煙資料集，資料集原本是VOC樣式，寫個腳本，將VOC格式轉換成YOLO格式，制作好的吸煙資料集YOLO格式資料集檔案如下圖所示，
images檔案里的分類和數量必須和labels檔案相對應，如有需要吸煙檢測專案YOLO格式資料集可直接下載，該資料集有6400+張圖片，
更改train.py檔案
train.py檔案修改部分如下圖，修改的引數很少，簡單易上手，對小白很友好，
本文使用的是YOLO v5s組態檔，預訓練模型也是YOLO v5s模型，使用GPU計算，迭代次數為50，訓練時間很長，很辛苦！若更改迭代次數為100或更改為更大的模型，訓練耗時更長！
模型權重
使用GPU訓練模型，訓練幾十個小時，結果迭代程序損失如圖，可以看出，訓練結果還是很好的，mAP值可達0.8以上，
四、吸煙視頻檢測效果
直接使用上述YOLO v5s 模型權重，載入Windows界面代碼，對吸煙視頻進行識別檢測，效果還是很好的，吸煙檢測置信度穩定在0.75！也可以連接攝像頭實時監測！
【目標檢測】基于YOLO v5吸煙行為視頻檢測
總結
基于YOLO v5 模型，吸煙目標檢測親測效果好！
相關代碼、資料集和模型，如有需要，亦可遠程指導，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/531919.html
標籤：其他