0
0

在kaggle上用Yolov5训练口罩模型并部署到android端

文章目录

利用Kaggle平台提供免费的GPU采用Yolov5算法进行口罩模型数据的训练

前言

利用Kaggle平台提供免费的GPU采用Yolov5算法进行口罩模型数据的训练

一、使用步骤

（一）下载Yolov5源码

YOLOv5 开源代码项目下载地址：https://github.com/ultralytics/yolov5

（二）配置Yolov5所需的库

在下载源码的路径中输入cmd，输入如下命令：

  1. pip install —r requirements.txt

我的路径如下：
在这里插入图片描述

（三）修改源码

1.修改输出文件的保存路径

在train.py中修改为：

  1. #采用kaggele训练模型一定要修改文件的保存路径
  2.     parser.add_argument('--project', default='/kaggle/working/runs/train',help='save to project/name')

2.添加mask.yaml

在data文件夹中增加mask.yaml：

  1. # Custom data for safety helmet# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
  2. train: data/mask/images/train #口罩训练集的路径
  3. val: data/mask/images/val #口罩验证集的路径# number of classes
  4. nc:2# class names#names: ['mask', 'face']
  5. names:['face','mask']

3.修改models

在models文件夹下的yolov5s.yaml文件：

  1. # YOLOv5 🚀 by Ultralytics, GPL-3.0 license# Parameters#nc: 80  # number of classes
  2. nc:2# number of classes #佩戴口罩和未佩戴口罩两个类别
  3. depth_multiple:0.33# model depth multiple
  4. width_multiple:0.50# layer channel multiple
  5. anchors:-[10,13,16,30,33,23]# P3/8-[30,61,62,45,59,119]# P4/16-[116,90,156,198,373,326]# P5/32# YOLOv5 v6.0 backbone
  6. backbone:# [from, number, module, args][[-1,1, Conv,[64,6,2,2]],# 0-P1/2[-1,1, Conv,[128,3,2]],# 1-P2/4[-1,3, C3,[128]],[-1,1, Conv,[256,3,2]],# 3-P3/8[-1,6, C3,[256]],[-1,1, Conv,[512,3,2]],# 5-P4/16[-1,9, C3,[512]],[-1,1, Conv,[1024,3,2]],# 7-P5/32[-1,3, C3,[1024]],[-1,1, SPPF,[1024,5]],# 9]# YOLOv5 v6.0 head
  7. head:[[-1,1, Conv,[512,1,1]],[-1,1, nn.Upsample,[None,2,'nearest']],[[-1,6],1, Concat,[1]],# cat backbone P4[-1,3, C3,[512,False]],# 13[-1,1, Conv,[256,1,1]],[-1,1, nn.Upsample,[None,2,'nearest']],[[-1,4],1, Concat,[1]],# cat backbone P3[-1,3, C3,[256,False]],# 17 (P3/8-small)[-1,1, Conv,[256,3,2]],[[-1,14],1, Concat,[1]],# cat head P4[-1,3, C3,[512,False]],# 20 (P4/16-medium)[-1,1, Conv,[512,3,2]],[[-1,10],1, Concat,[1]],# cat head P5[-1,3, C3,[1024,False]],# 23 (P5/32-large)[[17,20,23],1, Detect,[nc, anchors]],# Detect(P3, P4, P5)]

4.配置train.py

修改train.py中的源码：

  1. ...............defparse_opt(known=False):
  2.     parser = argparse.ArgumentParser()
  3.     parser.add_argument('--weights',type=str, default=ROOT /'yolov5s.pt',help='initial weights path')
  4.     parser.add_argument('--cfg',type=str, default='',help='model.yaml path')#data为自己新增的mask.yaml文件
  5.     parser.add_argument('--data',type=str, default=ROOT /'data/mask.yaml',help='dataset.yaml path')
  6.     parser.add_argument('--hyp',type=str, default=ROOT /'data/hyps/hyp.scratch-low.yaml',help='hyperparameters path')#训练的轮数
  7.     parser.add_argument('--epochs',type=int, default=100)
  8.     parser.add_argument('--batch-size',type=int, default=16,help='total batch size for all GPUs, -1 for autobatch')
  9.     parser.add_argument('--imgsz','--img','--img-size',type=int, default=640,help='train, val image size (pixels)')
  10.     parser.add_argument('--rect', action='store_true',help='rectangular training')
  11.     parser.add_argument('--resume', nargs='?', const=True, default=False,help='resume most recent training')
  12.     parser.add_argument('--nosave', action='store_true',help='only save final checkpoint')
  13.     parser.add_argument('--noval', action='store_true',help='only validate final epoch')
  14.     parser.add_argument('--noautoanchor', action='store_true',help='disable AutoAnchor')
  15.     parser.add_argument('--noplots', action='store_true',help='save no plot files')
  16.     parser.add_argument('--evolve',type=int, nargs='?', const=300,help='evolve hyperparameters for x generations')
  17.     parser.add_argument('--bucket',type=str, default='',help='gsutil bucket')
  18.     parser.add_argument('--cache',type=str, nargs='?', const='ram',help='--cache images in "ram" (default) or "disk"')
  19.     parser.add_argument('--image-weights', action='store_true',help='use weighted image selection for training')
  20.     parser.add_argument('--device', default='',help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
  21.     parser.add_argument('--multi-scale', action='store_true',help='vary img-size +/- 50%%')
  22.     parser.add_argument('--single-cls', action='store_true',help='train multi-class data as single-class')
  23.     parser.add_argument('--optimizer',type=str, choices=['SGD','Adam','AdamW'], default='SGD',help='optimizer')
  24.     parser.add_argument('--sync-bn', action='store_true',help='use SyncBatchNorm, only available in DDP mode')
  25.     parser.add_argument('--workers',type=int, default=8,help='max dataloader workers (per RANK in DDP mode)')# parser.add_argument('--project', default=ROOT / 'runs/train', help='save to project/name')#采用kaggele训练模型一定要修改文件的保存路径（非常重要）
  26.     parser.add_argument('--project', default='/kaggle/working/runs/train',help='save to project/name')
  27.     parser.add_argument('--name', default='exp',help='save to project/name')
  28.     parser.add_argument('--exist-ok', action='store_true',help='existing project/name ok, do not increment')
  29.     parser.add_argument('--quad', action='store_true',help='quad dataloader')
  30.     parser.add_argument('--cos-lr', action='store_true',help='cosine LR scheduler')
  31.     parser.add_argument('--label-smoothing',type=float, default=0.0,help='Label smoothing epsilon')
  32.     parser.add_argument('--patience',type=int, default=100,help='EarlyStopping patience (epochs without improvement)')
  33.     parser.add_argument('--freeze', nargs='+',type=int, default=[0],help='Freeze layers: backbone=10, first3=0 1 2')
  34.     parser.add_argument('--save-period',type=int, default=-1,help='Save checkpoint every x epochs (disabled if < 1)')
  35.     parser.add_argument('--seed',type=int, default=0,help='Global training seed')
  36.     parser.add_argument('--local_rank',type=int, default=-1,help='Automatic DDP Multi-GPU argument, do not modify')# Weights & Biases arguments
  37.     parser.add_argument('--entity', default=None,help='W&B: Entity')
  38.     parser.add_argument('--upload_dataset', nargs='?', const=True, default=False,help='W&B: Upload data, "val" option')
  39.     parser.add_argument('--bbox_interval',type=int, default=-1,help='W&B: Set bounding-box image logging interval')
  40.     parser.add_argument('--artifact_alias',type=str, default='latest',help='W&B: Version of dataset artifact to use')return parser.parse_known_args()[0]if known else parser.parse_args()............

（四）在Kaggle上部署项目

1.把源码本地打包成.zip格式上传到Kaggle的Data上：

在这里插入图片描述

2.在代码框中输入如下命令并运行：

  1. pip install -r ../input/yolov5mask/yolov5-6.2-mask/requirements.txt

3.运行train.py：

  1. !python ../input/yolov5mask/yolov5-6.2-mask/train.py

4.下载run中训练好的模型：

在这里插入图片描述

5.本机上测试训练好的模型：

将训练好的模型数据放在本地项目的runs\train\exp中：

  1. E:\pythonProject\pycharm\yolov5-6.2-mask\runs\train\exp

我的：在这里插入图片描述
修改detect.py中的代码：

  1. defparse_opt():
  2.     parser = argparse.ArgumentParser()# parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')#下载训练好的口罩模型
  3.     parser.add_argument('--weights', nargs='+',type=str, default='./runs/train/exp/weights/best.pt',help='model path(s)')
  4.     parser.add_argument('--source',type=str, default=ROOT /'data/images',help='file/dir/URL/glob, 0 for webcam')#网络摄像头# parser.add_argument('--source', type=str, default=1, help='file/dir/URL/glob, 0 for webcam')# parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')#自己的口罩数据
  5.     parser.add_argument('--data',type=str, default=ROOT /'data/mask.yaml',help='(optional) dataset.yaml path')
  6.     parser.add_argument('--imgsz','--img','--img-size', nargs='+',type=int, default=[640],help='inference size h,w')#置信度
  7.     parser.add_argument('--conf-thres',type=float, default=0.5,help='confidence threshold')
  8.     parser.add_argument('--iou-thres',type=float, default=0.45,help='NMS IoU threshold')
  9.     parser.add_argument('--max-det',type=int, default=1000,help='maximum detections per image')
  10.     parser.add_argument('--device', default='',help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
  11.     parser.add_argument('--view-img', action='store_true',help='show results')
  12.     parser.add_argument('--save-txt', action='store_true',help='save results to *.txt')
  13.     parser.add_argument('--save-conf', action='store_true',help='save confidences in --save-txt labels')
  14.     parser.add_argument('--save-crop', action='store_true',help='save cropped prediction boxes')
  15.     parser.add_argument('--nosave', action='store_true',help='do not save images/videos')
  16.     parser.add_argument('--classes', nargs='+',type=int,help='filter by class: --classes 0, or --classes 0 2 3')
  17.     parser.add_argument('--agnostic-nms', action='store_true',help='class-agnostic NMS')
  18.     parser.add_argument('--augment', action='store_true',help='augmented inference')
  19.     parser.add_argument('--visualize', action='store_true',help='visualize features')
  20.     parser.add_argument('--update', action='store_true',help='update all models')
  21.     parser.add_argument('--project', default=ROOT /'runs/detect',help='save results to project/name')
  22.     parser.add_argument('--name', default='exp',help='save results to project/name')
  23.     parser.add_argument('--exist-ok', action='store_true',help='existing project/name ok, do not increment')
  24.     parser.add_argument('--line-thickness', default=3,type=int,help='bounding box thickness (pixels)')
  25.     parser.add_argument('--hide-labels', default=False, action='store_true',help='hide labels')
  26.     parser.add_argument('--hide-conf', default=False, action='store_true',help='hide confidences')
  27.     parser.add_argument('--half', action='store_true',help='use FP16 half-precision inference')
  28.     parser.add_argument('--dnn', action='store_true',help='use OpenCV DNN for ONNX inference')
  29.     opt = parser.parse_args()
  30.     opt.imgsz *=2iflen(opt.imgsz)==1else1# expand
  31.     print_args(vars(opt))return opt

运行即可，效果如下：
在这里插入图片描述

二、YOLOv5 的 Android 部署，基于 tflite

把自己训练的口罩模型移植到Android上，参考链接https://blog.csdn.net/djstavaV/article/details/126737098
预测效果：
在这里插入图片描述

三、总结

利用Kaggle免费提供的GPU能很好的对YOLOV5口罩数据集的进行训练。
源码和口罩的数据集（口罩数据集有7959张照片，标签已经标注，模型已经训练好，可以直接下载使用）:下载链接

标签： python 人工智能 深度学习
本文转载自: https://blog.csdn.net/qq_36666864/article/details/127470969
版权归原作者 Yellow Small Tiger 所有， 如有侵权，请联系我们删除。
登录后发布评论

“在kaggle上用Yolov5训练口罩模型并部署到android端”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

网络安全法-网络运行安全

使用selenium/drissionpage时如何阻止chrome自动跳转http到https

docker desktop 里部署的Open WebUI 管理员密码忘记了的处理方法

在ubuntu20.04中搭建onsite比赛运行环境

利用开源的低代码表单设计器FcDesigner高效管理和渲染复杂表单结构

Kafka学习笔记

【前端】浏览器输入url到页面呈现发生了什么？