capf-2011/yolov5_in_tf2_keras

tf2-keras implement yolov5

YOLOv5 in tesnorflow2.x-keras

• yolov5数据增强jupyter示例
• Bilibili视频讲解地址: 《yolov5 解读,训练,复现》
• Bilibili视频讲解PPT文件: yolov5_bilibili_talk_ppt.pdf
• Bilibili视频讲解PPT文件: yolov5_bilibili_talk_ppt.pdf (gitee链接)

模型测试

• 训练 COCO2017(val 5k)

• 检测效果

• 精度/召回率

Requirements

pip3 install -r requirements.txt

Get start

1. 训练

python3 train.py

2. tensorboard

tensorboard --host 0.0.0.0 --logdir ./logs/ --port 8053 --samples_per_plugin=images=40

3. 查看

http://127.0.0.1:8053

4. 测试, 修改detect.py里面input_image和model_path

python3 detect.py

训练自己的数据

1. labelme打标自己的数据
2. 打开data/labelme2coco.py脚本, 修改如下地方

input_dir = '这里写labelme打标时保存json标记文件的目录'
output_dir = '这里写要转CoCo格式的目录，建议建一个空目录'
labels = "这里是你打标时所有的类别名, txt文本即可, 每行一个类, 类名无需加引号"

3. 执行data/labelme2coco.py脚本会在output_dir生成对应的json文件和图片
4. 修改train.py文件中coco_annotation_file以及num_class, 注意classes通过CoCoDataGenrator(*).coco.cats[label_id]['name']可获得，由于coco中类别不连续，所以通过coco.cats拿到的数组下标拿到的类别可能不准.
5. 开始训练, python3 train.py