访问官网
Github
文档车辆检测
使用深度学习和YOLO算法进行车辆检测。
（在自定义数据集上训练YOLO v5）
安装
git clone https://github.com/MaryamBoneh/Vehicle-Detection
cd Vehicle-Detection
pip install -r requirements.txt
数据集
拍摄或寻找车辆图像以创建用于微调的特定数据集。
训练集：70%
验证集：20%
测试集：10%
克隆Vehicle-Detection仓库
git clone https://github.com/MaryamBoneh/Vehicle-Detection
cd Vehicle-Detection
pip install -r requirements.txt
wandb
要获取mAP、损失、混淆矩阵和其他指标，请在www.wandb.ai上登录。
pip install wandb
训练
对yolov5的预训练模型进行微调。
python train.py --img 640 --batch 16 --epochs 50 --data dataset.yaml --weights yolov5m.pt
测试
训练完成后，会得到训练权重，您应该使用它们进行测试。
python detect.py --weights runs/train/exp12/weights/best.pt --source test_images/imtest13.JPG
您也可以直接使用'runs/train/exp12/weights/best.pt'路径下的权重文件，无需进行训练。 这个权重文件是在以下数据集上进行128轮训练的结果。
我的车辆数据集
https://b2n.ir/vehicleDataset
贡献
- Fork 项目 (https://github.com/MaryamBoneh/Vehicle-Detection)
- 创建您的特性分支 (
git checkout -b feature/fooBar) - 提交您的更改 (
git commit -am '添加一些 fooBar') - 推送到分支 (
git push origin feature/fooBar) - 创建一个新的Pull Request
