最新版穿越火线游戏识别教程(人工智能yolov5)

语言: CN / TW / HK

一、前言

1.代码在我的资源里下载。 代码链接:https://mbd.pub/o/bread/YpyXmZhs

2.本文不会讲解关于yolov5的理论问题,只是教大家实操,这篇文章可以帮助大家学会yolov5的训练与识别,本文使用穿越火线(cf)为例。

二、视频识别

我们先看效果。

0@S@%3CE3Z8KWT{39A{10C5.png

后续链接

yolov5后续(参考v3) (mianbaoduo.com)

三、版本和配置环境

matplotlib>=3.2.2 numpy>=1.18.5 opencv-python>=4.1.2 Pillow>=7.1.2 PyYAML>=5.3.1 requests>=2.23.0 scipy>=1.4.1 torch>=1.7.0 torchvision>=0.8.1 tqdm>=4.41.0

thop # FLOPs computation

四、准备工作 1.yolov5 模板下载 第一步:将整个代码从github上下载下来,

网址:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

也可以直接到GitHub上搜yolov5

然后点code(绿色) 最后点下面的Download ZIP (最好不要下到C盘,如果C盘够用也没关系) 2.安装所需库 主要是安装版本与配置声明中所需在库。 matplotlib>=3.2.2

numpy>=1.18.5

opencv-python>=4.1.2

Pillow

PyYAML>=5.3.1

scipy>=1.4.1

torch>=1.7.0

torchvision>=0.8.1

tqdm>=4.41.0

tensorboard>=2.4.1

seaborn>=0.11.0

pandas

pycocotools>=2.0 # COCO mAP

albumentations>=1.0.2

(1)安装pytorch(建议安装gpu版本cpu版本太慢)

这些库中可能就pytorch比较难安装,其他库用pip install 基本能实现。

可直接在Anaconda Prompt里输入:

pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

3.运行检测

下载完yolov5后,运行detect,可以帮助我们检查上面的环境是不是安装成功。

image.png

如果运行不报错,我们会在runs//detect//exp 文件夹下看到两张已经预测出的照片。

image.png

image.png 如果报错,问题也不大,看就是安装的环境版本比较低或者没安装,我们稍微调试一下就OK了。

五、数据集

我们先要创建几个文件夹用来存放数据和模型。

在yolov5-master如下图所示文件夹

image.png 1.制作标签 这里我是以穿越火线为例,提供100个已经标记好的数据(放在文末)。你也可以自己标记,一百张效果不是很好,可以多标记几张。

(1)安装labelme

在Anaconda Prompt里pip install labelme

(2)使用labelme

在Anaconda Prompt里输入labelme,会弹出一个窗口。

image.png

然后打开图片所在的文件夹

点击rectangle,标记想要识别的东西。

我们这里用了两个标签(保卫者:'Global Risk'  、潜伏者: 'Black List')

image.png

标记完后保存到一个新的文件夹下,保存的文件格式是.json

2.转格式(json转txt) 要修改代码中标签名称,存放json文件的绝对路径和保存txt文件的绝对路径。

我们将生成的txt放在my_dates//labels//train中

将原来的图片放在my_dates//images//train中

六、配置文件

1.mydata.yaml

copy一下coco128.yaml文件到my_dates下并改名为mydata

image.png

image.png 然后修改里面的参数:

(1)先将path注释掉(别忘记注释) ,然后将train和val改为存放训练集图片的位置

train: my_dates/images/train val: my_dates/images/train (2)然后将nc 改为标签个数(我们这里是2),names里面改为我们的标签名。

image.png 别忘了注释path

2.mydata_1.yaml

copy一下yolov5s.yaml文件到my_dates下并改名为mydata_1。(yolov5s效果最差但速度最快我们可以根据自己的情况选择模型)

image.png

image.png 然后修改里面的参数:

这里只需要将第四行的nc改为2(标签个数) 。

image.png

七、训练模型

我们要对train.py文件进行修改。

1.为了防止编码出错,with open后面要加上encoding='utf-8',要改好几处,可以用ctrl+F查找with open。

image.png

2.我们还要改多处default的值,在代码的480行左右。(改的全是default的值)。

一共要修改六处,最后一处稍微靠下一点。

第四处如果电脑配置好的话可以不用修改。

image.png

image.png

最后运行:

image.png

时间有点长(一小时左右)!!!!

如果报错根据实际情况修改一下就ok

结果会放在下面路径下

image.png

八、测试视频 我们只需修改detect.py文件夹下的权重路径和测试路径。(210行左右)

image.png

只需要将需要预测的视频或图片放在下面文件夹下,

image.png 然后运行detect.py就ok了!!!!!!

image.png 结果放在 (每次运行都会生成一个新的exp,所以我这是exp7)

image.png

九、总结 我们本次只是识别穿越火线中的人物,还没有实现自动瞄准,我只用了一百张图片进行预测,预测效果不是很好,你可以增加些图片进行训练。

后期还会更新!!!!!!!!!!!!!!!!!!!