一、前言

1.程式碼在我的資源裡下載。程式碼連結：http://mbd.pub/o/bread/YpyXmZhs

2.本文不會講解關於yolov5的理論問題，只是教大家實操，這篇文章可以幫助大家學會yolov5的訓練與識別，本文使用穿越火線（cf）為例。

二、影片識別

我們先看效果。

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

後續連結

yolov5後續（參考v3） (mianbaoduo.com)

三、版本和配置環境

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、準備工作 1.yolov5 模板下載第一步：將整個程式碼從github上下載下來，

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

也可以直接到GitHub上搜yolov5

然後點code（綠色）最後點下面的Download ZIP (最好不要下到C盤，如果C盤夠用也沒關係) 2.安裝所需庫主要是安裝版本與配置宣告中所需在庫。 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)安裝pytorch（建議安裝gpu版本cpu版本太慢）

這些庫中可能就pytorch比較難安裝，其他庫用pip install 基本能實現。

可直接在Anaconda Prompt裡輸入：

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

3.執行檢測

下載完yolov5後，執行detect，可以幫助我們檢查上面的環境是不是安裝成功。

如果執行不報錯，我們會在runs//detect//exp 資料夾下看到兩張已經預測出的照片。

如果報錯，問題也不大，看就是安裝的環境版本比較低或者沒安裝，我們稍微除錯一下就OK了。

五、資料集

我們先要建立幾個資料夾用來存放資料和模型。

在yolov5-master如下圖所示資料夾

1.製作標籤這裡我是以穿越火線為例，提供100個已經標記好的資料（放在文末）。你也可以自己標記，一百張效果不是很好，可以多標記幾張。

(1)安裝labelme

在Anaconda Prompt裡pip install labelme

(2)使用labelme

在Anaconda Prompt裡輸入labelme，會彈出一個視窗。

然後開啟圖片所在的資料夾

點選rectangle，標記想要識別的東西。

我們這裡用了兩個標籤（保衛者：'Global Risk' 、潛伏者： 'Black List'）

標記完後儲存到一個新的資料夾下，儲存的檔案格式是.json

2.轉格式（json轉txt）要修改程式碼中標籤名稱，存放json檔案的絕對路徑和儲存txt檔案的絕對路徑。

我們將生成的txt放在my_dates//labels//train中

將原來的圖片放在my_dates//images//train中

六、配置檔案

1.mydata.yaml

copy一下coco128.yaml檔案到my_dates下並改名為mydata

然後修改裡面的引數：

（1）先將path註釋掉（別忘記註釋），然後將train和val改為存放訓練集圖片的位置

train: my_dates/images/train val: my_dates/images/train （2）然後將nc 改為標籤個數（我們這裡是2）,names裡面改為我們的標籤名。

別忘了註釋path

2.mydata_1.yaml

copy一下yolov5s.yaml檔案到my_dates下並改名為mydata_1。（yolov5s效果最差但速度最快我們可以根據自己的情況選擇模型）

然後修改裡面的引數：

這裡只需要將第四行的nc改為2（標籤個數）。

七、訓練模型

我們要對train.py檔案進行修改。

1.為了防止編碼出錯，with open後面要加上encoding='utf-8'，要改好幾處，可以用ctrl+F查詢with open。

2.我們還要改多處default的值，在程式碼的480行左右。（改的全是default的值）。

一共要修改六處，最後一處稍微靠下一點。

第四處如果電腦配置好的話可以不用修改。

最後執行：

時間有點長（一小時左右）！！！！

如果報錯根據實際情況修改一下就ok

結果會放在下面路徑下

八、測試影片我們只需修改detect.py資料夾下的權重路徑和測試路徑。（210行左右）

只需要將需要預測的影片或圖片放在下面資料夾下，

然後執行detect.py就ok了！！！！！！

結果放在（每次執行都會生成一個新的exp,所以我這是exp7）

九、總結我們本次只是識別穿越火線中的人物，還沒有實現自動瞄準，我只用了一百張圖片進行預測，預測效果不是很好，你可以增加些圖片進行訓練。

後期還會更新！！！！！！！！！！！！！！！！！！！

最新版穿越火線遊戲識別教程（人工智慧yolov5）