从零开始安装并运行YOLOv5

该文主要实现用YOLOv5的基准检测为自己的视频片段渲染对象检测结果和边界框，本文大部分都是实操，帮助大家快速上手。

什么是YOLOv5？

​ yolo是一种用于对象检测的最先进的机器学习模型，yolo有不同的版本比如v5v8，如果你提供一个输入，它会给你返回一个输出，那么yolo的输入和输出是什么呢？yolo接受图像或者是一批图像作为其输入，在处理该图像后，它会在图像上放置边界框，它会告诉你在每个边界框中检测到的一个对象，这些边界框就是输出，它还识别每个边界框中的对象是什么，如下图。

图片中有一个红色框标识了person，黄色框标识了backpack，简而言之，yolo就是一台将此类边框放在图片上的机器。但是yolo不会直接将这些边界框绘制或渲染到图像上，而是为每个边界框提供多个值，它为每个边界框提供xmin、xmax、ymin、ymax，标识该边界框的位置，第五个值label代表标签，其中有一个id，例如0标识person，27代表tie（领带）等等

因此，当id为0时，我们知道这里有一个人，然后我们就可以渲染此边界框时写入，最终值是置信度，告诉你整个结果的确定性。

如何使用我们自己的视频在我们自己的计算机上使用YOLO？

​ 正式开始操作！！！

1、环境配置

​ 首先我们需要一个Python环境，这个过程不需要会Python编程，因为代码已经存在，我们只需要运行它即可。这里可以使用一个单独的Python环境或者Anaconda中的环境，本文用的是单独的Python环境，如果你没有Python环境或者有很多个Python环境，请看作者的另一篇文章，pip安装报错？彻底弄清Python软件包安装流程并解决安装错误，文中也会清楚的说明如何把python和pip加入到环境变量中，这也是环境配置中重要的一环。

2、下载YOLOv5

​ 下载网址：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

点击Download即可下载，下载完成后解压。

此时我们就得到了这样一个文件夹，如下图。

3、安装必要的库

​ 首先我们要安装的库是pytorch，网址：PyTorch，下滑找到下图页面，我用的是Windows所以选择Windows，因为是单独的python环境所以选择pip，有显卡GPU的话可以选择CUDA对应版本，这里我选择CPU版本，选择好后，最下方就会出现终端指令，复制在终端运行即可。

终端运行。

在这里我出现了这个错误，这是因为我代理忘记关了，此时可以关闭代理或者让终端也处于代理模式，终端代理指令看这篇文章。

处理好后再次执行命令，就能安装成功啦，如下图。

4、开始使用

先切换到yolov5所在目录，如下图操作，你的yolov5放在哪你就去哪找，我这里放在e盘。

然后，你可以放一个你想要输入的视频在该文件夹中，如下图。

接着，终端执行以下命令。

python detect.py --source PUBG.mp4

此时提示没有某某模块。

那就使用pip安装一下这个模块就行，如果提示没有别的模块也同理（这里注意如果安装yaml需要把模块名称写成pyyaml）。

安装好后再次执行。

python detect.py --source PUBG.mp4

可以看到已经在输出了。

最后进入到结果路径文件夹就能找到输出的视频。

其他版本yolo

我们在yolov5主页可以看到还有很多个版本的yolo，如下图。

我们可以使用版本的yolo，例如指定yolov5s6，使用以下命令。

python detect.py --source PUBG.mp4 --weights yolov5s6.pt

可以使用版本的yolo，例如指定yolov5s6，使用以下命令。

python detect.py --source PUBG.mp4 --weights yolov5s6.pt

教程就到这里啦，希望大家能顺利运行。