-
下载源代码:点击下载
-
进入项目根目录并执行以下命令安装requirements.txt中的相关依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
-
官网下载权重yolov7.pt(测试使用)、yolov7-tiny.pt(训练使用,这里使用什么模型则使用对应的权重)
-
在项目根目录下建立文件夹weights,把刚刚下载好的权重放进去
-
检测(detect)
python detect.py --weights weights/yolov7.pt --source inference/images --device 0
-
训练(training)
-
准备YOLO格式的数据集,然后将数据集放在根目录下
-
修改配置文件
-
在data文件夹下新建立一个xxx.yaml文件(这里我建立的是voc.yaml),然后将同目录下的coco.yaml文件内容复制进去,并修改以下内容,train、val、test分别为训练、验证、测试图片路径所在的文件,nc代表类别数 ,这里我使用的VOC2007,所以为20类,names则为各个,类别的名称
-
修改cfg.training文件夹下的文件,用哪个模型就对应修改哪个文件,这里我使用的是yolov7-tiny模型,所以修改yolov7-tiny.yaml文件,VOC为20个类别所以修改为20
-
-
执行命令进行训练
python train.py --weights weights/yolov7-tiny.pt --cfg cfg/training/yolov7-tiny.yaml --data data/voc.yaml --device 0 --batch-size 16 --epoch 300
-
-
训练完毕得到300轮训练最好的权重,则将权重改为它,预测即可用我们自己训练的权重去预测
训练完毕得到300轮训练最好的权重,则将权重改为它,预测即可用我们自己训练的权重去预测