1、前言

前两天，通过OpenCV 对猫和老鼠视频的抽取，提取了48张图片。这里不再介绍，可以参考之前的文章：利用OpenCV 抽取视频的图片，并制作目标检测数据集-CSDN博客

数据的目录如下：

项目的下载见文末

2、制作YOLOV5 的目录 

这里的labelimg 里面，有个classes.txt 需要单独拿出来，后续要用

因为YOLOV5的数据结构如下：

这里参考代码：数据集生成 YOLOV5 可训练的数据目录、并且可视化-CSDN博客

生成的数据如下：

3、训练

YOLOV5 的训练，将数据集放进yolov5的主目录

3.1 调整coco128.yaml参数

这里默认的参数是 coco128.yaml 文件，也可以新建，这里改个路径即可。为了方便，这里直接在coco128文件更改

注意，这个coco128.yaml 必须更改！！！

更改如下：

因为这里的路径是相对路径，因为更改为下面的形式，

names就是labelimg生成的classes.txt 文件，照着样子更改即可

权重的话，可以在下面选择：这里就是默认的 yolov5s

3.2 开始训练

coco128.yaml 是必须更改的

更改完成后，直接运行train文件即可

运行效果如下：

看到，训练结果保存在runs/train/exp 目录下

3.3 训练过程可能出现的问题

如下：

修改虚拟内存这个比较重要，按照下面操作即可：
设置-->系统-->关于（或者系统系统）-->高级系统设置

高级-->设置

高级-->更改

这里更改的盘必须是虚拟环境安装的盘符！！

3.4 推理部分

需要指定权重和推理的文件

3.4.1 推理文件夹

下面代码意思是使用runs目录下最好的权重，来推理datasets下val目录下所有图像

python detect.py --weights runs/train/exp/weights/best.pt --source datasets/images/val

可以在runs/detect 目录下查看

3.4.2 推理视频

代码如下：

python detect.py --weights runs/train/exp/weights/best.pt --source ../test.mp4 --view-img

3.5 训练过程的文件展示

 

项目下载：YOLOV5 实战项目：猫和老鼠图像目标检测数据集