【深度学习】YOLOv5 工程落地部署过程，MNN转化，使用细节_yolo部署

概述

兜兜转转又回到YOLOv5，YOLOv5的项目代码太易用了，开箱即用，工具多，效果好，谁能不爱呢。我这里对我使用YOLOv5 做简单的记录，以后自己看到能很快用起来就是本篇文章的目的，这篇文章我一直要干到MNN部署方式去。

目标检测模型概述

深度学习模型由于其拥有足够的表达能力，能够很好表达从输入数据到输出数据的映射关系，被广泛应用于各类场景中。图1中展现了深度学习模型在文字、图像、语音中的应用场景，其中图像是我个人最熟悉的，也是日常业务中最常遇到的场景。

图像领域有四个主要任务：图像分类、目标检测、图像分割、实例分割。
在目标分割领域中，基本可以分为anchor based方法和anchor free方法，yolov5这个算法模型是anchor based方法，同时也是集大成者，包含目前目标检测领域中所有的比较有效的方法（FPN、PAN、SPP、CSP等），目前仍就是目标检测领域中最为优秀的算法之一。目前学术界的研究在目标检测领域主要分为两个方向，一是使用anchor free方法的模型（学术界普遍认为此种方法更加符合目标检测的原始动机，不带有那么高的监督性），二是使用 NLP领域的一些新模型（比如Transformer、多模态的一些研究）。
就目前学术研究情况（靠学术前沿论坛获知）和各大公司所采用模型情况来看，yolov5依旧是一个值得长期选择和持有的模型。

使用COCO2017体验YOLOv5

在最新版本的yolov5中，只需要python train.py即可开始训练coco128，非常智能。
其实可以用COCO128体验，过程与下面类似，我这里用COCO2017因为我已经下载过了。

下载项目和权重

项目代码：https://github.com/ultralytics/yolov5
字模：https://github.com/ultralytics/yolov5/releases/download/v1.0/Arial.ttf
权重：https://github.com/ultralytics/yolov5/releases

或者直接全部用网盘下载：链接：https://pan.baidu.com/s/1q8WOj-aJgn3p2UhbXVFPtQ?pwd=v3e9

下载处理COCO2017数据

https://github.com/ultralytics/yolov5中yolov5/data/scripts中get_coco.sh脚本就是下载COCO2017数据集的，四个压缩包，coco2017labels.zip是处理过的符合COCO的数据，train2017.zip、val2017.zip、test2017.zip是图片数据。原代码中含有解压的一些操作，下面的代码删除了解压的操作：

#!/bin/bash
# YOLOv5 
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/149513?site