【深度学习】yolov5目标检测学习与调试

2024.4.15

0.准备&&补充知识点

yolo检测算法可以实现目标检测、分割和分类任务。
项目仓库地址：https://github.com/ultralytics/yolov5
跟练视频：目标检测 YOLOv5 开源代码项目调试与讲解实战

lux下载视频神器：https://github.com/iawia002/lux
参考链接：Github 上lux下载神器的安装及使用教程
（之前人家叫annie，现在叫lux…）

（1）.pt文件和.pth文件有什么区别？

.pt文件是保存整个PyTorch模型的，而.pth文件只保存模型的参数。

• .pt文件：.pt文件是PyTorch的早期版本所使用的模型文件格式，通常是通过调用torch.save()函数保存的模型。
• .pth文件：.pth文件是PyTorch的后续版本引入的模型文件格式，也是当前推荐使用的格式。只保留权重，文件相对较小

1.配置环境

Python=3.9：

conda install pytorch==1.13.0 torchvision==0.14.0 torchaudio==0.13.0 pytorch-cuda=11.7 -c pytorch -c nvidia
1

检查：

>>> import torch
>>> print(torch.__version__)
1.13.0
>>> print(torch.cuda.is_available())
True
>>> print(torch.cuda.get_device_name(0)) 
NVIDIA GeForce GTX 1060
1
2
3
4
5
6
7

根据requirements.txt安装依赖库：

pip install -r .\requirements.txt
1

2.预测

2.1 调试

选择了跟视频一样的yolov5-5.0版本，但是现在已经更新到v7.0版本了。最新版本问题会少很多，因为关于模型权重的下载是按照github tags里面最新内容下载的。

出现问题：

Can’t get attribute ‘SPPF’ on <module ‘models.common’ from’D:\code\yolov5-5.0\models\common.py’>

找到models/common.py文件，添加SPPF类，前面引入warrings库

import warrings
class SPPF(nn.Module):
    # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
    def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
        super().__init__()
        c_ = c1 // 2  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)

    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warning
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

出现新问题：

‘Upsample’ object has no attribute ‘recompute_scale_factor’

找到报错文件upsampling.py，将源代码报错位置改为：

return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners)
1

删掉刚才下载的pt文件，手动下载权重文件将其替换。

继续出现问题：

504: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at C:\cb\pytorch_1000000000000\work\aten\src\ATen\native\TensorShape.cpp:3191.) return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined]

找到文件位置：

 # return _VF.meshgrid(tensors, **kwargs)  # type: ignore[attr-defined]
 # 添加  **indexing = 'ij'**
 return _VF.meshgrid(tensors, **kwargs,indexing = 'ij')  # type: ignore[attr-defined]
1
2
3

成功：

在exp中找到结果：

用lux下载视频，可以对视频进行预测。同样在参数–source中进行修改。

2.2 参数分析

parser.add_argument('--weights', nargs='+', type=str, default='yolov5s.pt', help='model.pt path(s)')
1

在–weight模型的选择上，尽管分辨率上不同（640和1280），但实际上输入和输出是保持不变的，可以得出在预测过程中图片有放缩。

---

parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
1

控制输入图像的大小，进行裁剪方便统一输入。

---

parser.add_argument('--conf-thres', type=float, default=0.25, help='object confidence threshold')
1

显示阈值，默认值0.25是作者根据经验设置比较合理的参数阈值。设置过高，一些置信度比较低的预测不会被显示。

---

parser.add_argument('--iou-thres', type=float, default=0.45, help='IOU threshold for NMS')
1

Non-Maximum Suppression：非极大值抑制（Non-Maximum Suppression，NMS）是计算机视觉和目标检测任务中常用的一种技术，用于消除冗余或重叠的边界框预测。

IOU = 两块区域的交集/两块区域的并集