【源码】基于YOLOv7的游商游贩检测系统

项目简介

本项目借助深度学习与计算机视觉技术，基于YOLOv7算法实现对游商游贩的自动检测与识别，可应用于相关场景的监管工作。

项目的主要特性和功能

1. 高效精准检测：采用YOLOv7算法，在速度和精度上超越YOLOR、YOLOX等多种目标检测器，能够高速、高精度地检测游商游贩。
2. 方法创新：设计可训练的bag - of - freebies方法，在不增加推理成本的情况下提升检测精度；解决目标检测方法演进中的新问题；提出「扩充」和「复合扩展」方法，有效利用参数和计算。
3. 良好扩展性：系统扩展性较好，经过调整后可用于检测其他类型的目标。
4. 配套齐全：提供完整的源码、环境部署视频教程、数据集以及自定义UI界面，方便用户开发和部署。

安装使用步骤

环境准备

安装Python、PyTorch以及项目所需的相关依赖库。

数据准备

1. 标注收集到的图片，制作成YOLO格式数据集。
2. 创建myself.yaml文件配置路径，仅需配置txt路径。
3. 在train - list.txt和val - list.txt文件中存放图片的绝对路径（也可使用相对路径），可通过以下脚本获取图像路径： ```python import os

def listdir(path, list_name): # 传入存储的list for file in os.listdir(path): file_path = os.path.join(path, file) if os.path.isdir(file_path): listdir(file_path, list_name) else: list_name.append(file_path)

list_name = [] path = 'D:/PythonProject/data/' # 文件夹路径 listdir(path, list_name) print(list_name)

with open('./list.txt', 'w') as f: # 要存入的txt write = '' for i in list_name: write = write + str(i) + '\n' f.write(write) ```

模型训练

1. 将需要用到的文件放在根目录下，修改好路径。
2. 运行train.py文件进行模型训练。需注意，YOLOv7相比YOLOv5训练更吃配置，尤其是显存，GPU 3080ti训练可能长达40小时以上，电脑显存8G以下谨慎尝试。

测试验证

使用训练好的模型进行目标检测测试，对比不同算法的检测效果，验证模型性能。

系统整合

将训练好的模型部署到实际应用中，进行系统集成测试，可参考博客《[YOLOv7]基于YOLOv7的游商游贩检测系统(源码＆部署教程＆数据集)》进行操作。

下载地址

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