YOLO v5安全帽检测模型
- 前言
- 相关连接：
- 一、计算机配置
- pytorch安装
- pycocotools的安装
- 二、YOLO v5下载
- 三、模型使用
- 获取数据集
- 更改train.py文件
- 模型权重
- 训练结果
- 四、安全帽监测效果
- 总结
前言
YOLO v5模型简单易上手好用，工地安全帽实时监测。
YOLO v5 优点：
- 可识别视频帧数高。
- 技术成熟，有现成模型。
- 操作简单。
安全帽识别：
- 施工地等现场实时监测。
- 离线监测。
- 毕设需求。
相关连接：
（1）本文视频教程：https://www.bilibili.com/video/BV1S5411Q7Zi/
（2）xml格式转换成txt格式python脚本：javascript:void(0)
（3）安全帽检测项目YOLO格式数据集：javascript:void(0)
（4）YOLO v5 安全帽佩戴识别检测项目模型代码及模型权重：javascript:void(0)
（5）所有相关下载资源【包括（2）,（3）和（4）】：联系q614450979
一、计算机配置
pytorch安装
pytorch有gpu版本和cpu版本，图片识别最好使用GPU版本，前提是电脑有GPU。GPU版本安装的具体步骤可以参考这篇文章：GPU版本安装。
pycocotools的安装
pip install pycocotools-windows
二、YOLO v5下载
YOLO v5模型官网，有具体的使用说明和介绍。视频识别帧数杠杠的！
三、模型使用
获取数据集
使用标注好的安全帽数据集，数据集原本是VOC样式，写个脚本，将VOC格式转换成YOLO格式。如为数据集目录及转换脚本。
安全帽数据集YOLO格式数据集文件如下图所示。
如有需要安全帽检测项目YOLO格式数据集可直接下载，该数据集有7500+张图片。安全帽检测项目YOLO格式数据集。
更改train.py文件
学习视频链接：42视频，但该视频只讲了标注YOLO数据形式及其使用，简介实用易上手。train.py文件修改部分如下图。
本文使用的是YOLO v5s配置文件，预训练模型也是YOLO v5s模型，使用GPU计算，迭代次数为50，训练时间很长，很辛苦！若更改迭代次数为100，训练耗时更长！有关数据集配置文件请参考上方的42视频。
模型权重
使用GPU训练模型，大约几十个小时，如有需要可直接下载–> YOLO v5s 模型权重。该模型权重可直接使用，用于安全帽识别。
训练结果
YOLO v5s 模型训练部分结果如下图所示。
模型训练效果还是很好的，mAP值可以达到0.94以上。
四、安全帽监测效果
直接使用上述YOLO v5s 模型权重对安全帽视频进行识别检测，效果还是很好的！
YOLO v5安全帽视频检测,
