【源码】基于Python的YOLOv5目标检测与计数系统

项目简介

这是一个使用YOLOv5模型进行目标检测与计数的项目。系统通过加载预训练的YOLOv5模型，对输入的图像或视频进行目标检测，并显示目标的类别和数量。同时，系统还具备模型训练、验证、导出等功能，支持PyTorch、ONNX、TensorRT等多种格式的模型导出。

项目的主要特性和功能

1. 支持加载预训练的YOLOv5模型，对图像或视频进行目标检测。
2. 能自动计算检测到的目标数量并显示。
3. 可从自定义数据集上训练YOLOv5模型，训练过程中记录日志，包含训练损失、准确率等指标。
4. 支持将训练好的模型导出为PyTorch、ONNX、TensorRT等多种格式。
5. 可通过命令行参数配置模型训练、验证、导出等过程的参数。
6. 提供可视化工具，用于显示目标检测结果和模型训练指标变化。

安装使用步骤

环境准备

• 操作系统：Ubuntu 18.04
• Python版本：3.8
• PyTorch版本：1.11
• 其他依赖：OpenCV、numpy等

操作步骤

1. 进入项目目录： bash cd yolov5_counting_pytorch
2. 创建并激活虚拟环境： bash conda create -n yolov5 python=3.8 conda activate yolov5
3. 安装PyTorch： bash pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113
4. 安装必要的软件包： bash pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
5. 数据准备：
   • 准备训练用的数据集，包含图像和对应的标签文件。
   • 在yolov5/data文件夹下新建数据集配置文件，如goose.yaml。
6. 模型训练： bash python train.py --weights yolov5s.pt --data data/goose.yaml --workers 1 --batch-size 8
7. 模型验证与导出：
   • 运行验证脚本验证模型性能。
   • 根据需要导出模型，支持PyTorch、ONNX、TensorRT等格式。
8. 目标检测与计数： bash python detect.py --weights runs/train/exp/weights/best.pt --source xxx.mp4 --view-img --hide-conf
9. 结果可视化： 使用提供的可视化工具查看目标检测结果和模型训练指标变化。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】