当前位置：首页 > news >正文

如何运行YOLOv5的代码，实现目标识别

news 2025/9/2 17:41:24

YOLOv5和v8都由Ultralytics这家创业公司开发的

https://github.com/ultralytics/yolov5

环境配置

git clone https://github.com/ultralytics/yolov5.git

作者要求python=3.6（我用的3.8也能跑通）torch1.7.0

pip install -r requirements_my_version.txt

requirements_my_version.txt里面写了这些

matplotlib==3.2.2
numpy==1.18.5
opencv-python==4.1.2.30 # 注意这个地方官方提供的是opencv-python>=4.1.2，但是安装的时候告诉你没有这个版本要你从里面选，我选了30，后面可以运行
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==4.41.0# plotting ------------------------------------pandas==1.1.4
seaborn==0.11.0# deep_sort -----------------------------------easydict# torchreidCython
h5py
six
tb-nightly
future
yacs
gdown
flake8
yapf
isort==4.3.21
imageio

运行

shell命令行调用

这里是调用detect.py来实现识别

本机摄像头

python detect.py --source 0

# 摄像头的识别过程会被录像下来，并将录像中的人和手机识别出来，并将录像保存在这个文件夹里，每次运行都会在./runs/detect/exp4 文件名叫0.mp4 (4表示是序号为4，下一次运行就是exp5,以此类推)

我截了一张识别后输出的视频里面的图，可以识别出来。（为了保护个人隐私，所以对人脸进行了遮挡）

单张图片

python detect.py --source ./data/images/bus.jpg# 图片中人和巴士都被识别出来了

原图长这样

识别以后的图保存在./runs/detect/exp5/bus.jpg

视频

python detect.py --source ./data/video/dandong.mp4

识别出来视频中是这样。人也能识别出来，自行车也识别出来了。

代码内调用YOLOv5实现

你开一个文件叫test.py

touch test.py

在test.py里面写上这一段

# 导入模型文件，对指定图片进行识别
import torch# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom
# -S1-下载并加载模型# -S1.1-下载代码和模型文件
# 先把GitHub上项目名为“ultralytics/yolov5”的代码下载下来。
# 同时从这个GitHub的/releases/（此处为https://github.com/ultralytics/yolov5/releases/）中Asset的众多模型中寻找“yolov5s.pt”文件下载到和本代码文件同文件夹下# -S1.2-加载代码和模型文件
# 模型架构来自这个文件夹里面的代码 “/home/albert/.cache/torch/hub/ultralytics_yolov5_master”，参数来自于本文件夹内的yolov5s.pt
# 模型名字结尾不要加.pt
.# Images
img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list# Inference
results = model(img)
# -S2-把图片传进这个torch.hub.load()
# 传进去就已经开始识别了。识别了一会，识别完成了以后，下面你调用print或者show()才会出来结果# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.
results.show()# -S3-拿到识别结果
# 这个 torch.hub.load()有上面这些功能，