>- **🍨 本文为[🔗365天深度学习训练营](小团体～第八波) 中的学习记录博客**
>- **🍖 原作者：[K同学啊](K同学啊-CSDN博客)**

一、前言

拖了好久，终于要开始目标检测系列了。自己想过好几次，想尽快出几期目标检测算法的博客教程，但是一直苦于不知道如何写，才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的:首先，带大家先将算法跑起来，不然都不知道在干嘛，纯理论的东西看着头都大了，然后，教大家将官方的数据集更换成我们自己的数据集，并完成模型的训练。其次，在我们代码可以运行的情况下，从整体上讲解算法的结构。最后，挑选代码中一些比较关键的点，进行详细讲解。

YOLO系列是目前最热门的目标检测算法，那就拿它“开刀”了。

YOLOv5又分为Yolov5s、Yolov5m、Yolov5l、Yolov5x四个版本，我这里以Yolov5s为例。

点击下面的内容，可跳转到YOLOv5开源地址：

【YOLOv5开源地址】https://github.com/ultralytics/yolov5二、下载源码
可以按照下图所示下载源码：

安装需要的环境：

安装环境依赖包，请进入项目文件在文件地址栏中直接输入cmd，打开cmd 后输入:pip install-r requirements.txt，如何打开CMD命令行 ：我是有ananconda的，所以我使用anaconda打开的命令行，有虚拟环境

三、运行代码
需要的环境：

Python>=3.6.0
PyTorch>=1.7

我电脑的python=3.11.5，pytorch=2.1.2+cpu，已经符合代码运行的环境要求。

以同样的方法打开cmd，输入命令:
python path/to/detect.py --source path/to/img.jpg --weights yolov5s.pt --img 648
注意需要将图片路径替换成你的，例如:
python detect.py --source data\images\zidane.jpg --weights yolov5s.pt --img 648
这里我们使用的是官方已经帮我们训练好的模型。

在这个过程中，你中途可能会遇到下面的这两个问题，不用担心，这是网络问题多试几次就好了：

TimeoutError:[winError 10060]由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。
TypeError: unlink() got an unexpected keyword argument ‘missing ok’

已解决：无法打开Anaconda Navigator，报错如下
ImportError: cannot import name ‘tarfile’ from ‘backports’ (D:\Anaconda\Lib\site-packages\backports_init_.py) 解决方案链接

如果一直还是这样，就需要下载yolov5s.pt文件放到项目的主目录下就ok了，上面的两个错误都是由于下载这个文件下载失败，缺少这个文件导致的（yolov5s.pt文件需要自己从网上下载）。

参考上面的cmd命令：
python path/to/detect.py --source path/to/img.jpg --weights yolov5s.pt --img 648
在我的项目目录下输入命令：

python detect.py --source data/images/image.jpg --weights yolov5s.pt --img 648

上面的“image.jpg”可以换成其他图片。

 四、视频检测
先提前下载实验视频：提取码（9vaq）
也可以用其他的实验视频，时长尽量要小，比如2分钟、3分钟，要不然代码运行时长会比较久。
同样的方法打开 cmd 并输入:

python detect.py --source MyVideo_2.mp4

我这轻薄本训练真费劲

 结果如上

五、总结
原来如此简单，最重要的是有一个能运行的环境，遇到问题直接百度就可以
同时有兴趣的同学可以点击下面的链接去学习YOLO：
建议去官网自己看https://docs.ultralytics.com/yolov5/tutorials/train_custom_data/