一个正常的视觉AI开发步骤如下：收集和组织图像、标记您感兴趣的对象、训练模型、将其部署到云端/当做一个端口
文章目录
- 如何制作数据集并基于yolov5训练成模型
-
- 一、搜集图片
-
- 1、下载已有的数据集
- 2、使用自己拍摄的图片
- 3、在网站上使用爬虫爬取图片
- 二、标注图片
-
- 1、在线标注网站MAKE SENSE的介绍
- 2、创建标签
- 3、使用MAKE SENSE网站标注并导出
- 三、制作数据集
-
- 1、创建mydata文件夹
- 2、将之前的图片以及标注数据放入mydata文件夹
- 3、新建一个mydata.yaml文件，
- 四、基于数据集训练模型
-
- 1、修改train.py中data参数
- 2、开始根据制作好的数据集训练模型
- 3、模型训练结束
- 五、部署模型
-
- 1、保存刚刚训练的模型的相对地址
- 2、在detect.py中调用模型
- 3、检测正常运行结果如下
- 六、将yolov5部署在云端或做为一个端口被其他程序调用
-
- 1、基于ros机器人的物体检测
- 2、部署到微信小程序
- 3、部署到安卓/苹果上的APP上
1、下载已有的数据集
其他搜集的找数据集的网站
1.datafountain
https://www.datafountain.cn/datasets
2.聚数力
http://dataju.cn/Dataju/web/searchDataset
3.中文NLP数据集搜索
https://www.cluebenchmarks.com/dataSet_search.html
4.阿里云天池
https://tianchi.aliyun.com/dataset/?spm=5176.12282016.J_9711814210.24.2c656d92n0Us6s
5.谷歌数据集好像要翻墙
2、使用自己拍摄的图片
将拍摄的目标图片全部保存在电脑上
3、在网站上使用爬虫爬取图片
下面是使用爬虫下载图片的代码
1、在线标注网站MAKE SENSE的介绍
MAKE SENSE
make-sense 是一个被YOLOv5官方推荐使用的图像标注工具。
相比于其他工具，make-sense的上手难度非常低，仅需数分钟，玩家便能熟练掌握工作台中的功能选项，快速地进入工作状态；此外，由于make-sense是一款web应用，各个操作系统的玩家可打破次元壁实现工作协同。
2、创建标签
3、使用MAKE SENSE网站标注并导出
选择导出格式，并导出
到这里图片与标签就都准备好了，可以准备开始制作数据集
1、创建mydata文件夹
创建文件夹mydata
其内部构造如下
2、将之前的图片以及标注数据放入mydata文件夹
3、新建一个mydata.yaml文件，
1、修改train.py中data参数
2、开始根据制作好的数据集训练模型
3、模型训练结束
注：由上图可以看到这次训练的模型保存在runs/train/exp6
参数介绍
P Precision，精确率
对类A来说（下面提到的都是被预测成A的）：
P = 正确数 / 预测总数
或 P = 正确数/ 正确数+错误数
即，预测的东西正确了多少百分比。
R Recall，召回率
对类A来说（下面提到的都是被归为A类的）：
R = 预测正确数 / 真实A类总数。
或 R = 预测正确数 / 被预测到的A + 未被预测到的A
即，预测的东西找到了多少百分比。
mAP@0.5：mean Average Precision
即将IoU设为0.5时，计算每一类的所有图片的AP（可以理解为识别精度），然后所有类别求平均，即mAP
mAP@0.5:0.95：mean Average Precision
表示在不同IoU阈值（从0.5到0.95，步长0.05）（0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9、0.95）上的平均mAP。