阶段一：Yolov5目标检测代码实现以及QT界面实现_目标检测一阶段的代码实现

下载代码：

代码的下载地址是：[YOLOV5-mask-42: 基于YOLOV5的口罩检测系统-提供教学视频 (gitee.com)](https://github.com/ultralytics/yolov5)

配置环境：

打开yolov5-mask-42-master文件夹，在输入栏输入cmd打开命令行界面，使得以下命令均在当前文件夹下执行

创建python3.8的虚拟环境并激活虚拟环境，请在命令行中执行下列操作：

conda create -n yolo5 python==3.8.5
conda activate yolo5

相关包的安装：

pytorch安装（gpu版本和cpu版本的安装）

需要注意以下几点：

• 安装之前一定要先更新你的显卡驱动，去官网下载对应型号的驱动安装
• 30系显卡只能使用cuda11的版本
• 一定要创建虚拟环境，这样的话各个深度学习框架之间不发生冲突

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意这条命令指定Pytorch的版本和cuda的版本
conda install pytorch==1.10.0 torchvision torchaudio cudatoolkit=11.3 # 30系列以上显卡gpu版本pytorch安装指令
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可

其他依赖包的安装 

pip install pycocotools-windows
pip install -r requirements.txt
pip install pyqt5
pip install labelme

测试上述步骤是否成功

python detect.py --source data/images/bus.jpg --weights pretrained/yolov5s.pt

测试结果在runs\detect\exp下找到 

支持不同流的检测

 python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/*.jpg  # glob
                            'https://youtu.be/NUsoVlDFqZg'  # YouTube video
                            'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

数据标注：

pip install labelimg -i https://mirror.baidu.com/pypi/simple

labelimg #启动

 这里标注格式选择yolo

 这里选择自动保存

这是一些快捷键，方便提高效率

数据集格式：

标注格式：

txt文件中每一行表示一个目标，以空格进行区分，分别表示目标的类别id，归一化处理之后的中心点x坐标、y坐标、目标框的w和h。【原博主未对使用labelimg生成的标签做处理，这里需要读者自己写代码对数据标签做处理】

配置格式：

YOLO_Mask
└─ score
       ├─ images
       │    ├─ test # 下面放测试集图片
       │    ├─ train # 下面放训练集图片
       │    └─ val # 下面放验证集图片
       └─ labels
              ├─ test # 下面放测试集标签
              ├─ train # 下面放训练集标签
              ├─ val # 下面放验证集标签

模型训练

 代码运行

python train.py --data mask_data.yaml --cfg mask_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 4 --device cpu

模型使用

 # 检测摄像头
 python detect.py  --weights runs/train/exp_yolov5s/weights/best.pt --source 0  # webcam
 # 检测图片文件
  python detect.py  --weights runs/train/exp_yolov5s/weights/best.pt --source file.jpg  # image 
 # 检测视频文件
   python detect.py --weights runs/train/exp_yolov5s/weights/best.pt --source file.mp4  # video
 # 检测一个目录下的文件
  python detect.py --weights runs/train/exp_yolov5s/weights/best.pt path/  # directory
 # 检测网络视频
  python detect.py --weights runs/train/exp_yolov5s/weights/best.pt 'https://youtu.be/NUsoVlDFqZg'  # YouTube video
 # 检测流媒体
  python detect.py --weights runs/train/exp_yolov5s/weights/best.pt 'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream                            

构建可视化界面