提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档

YOLO v5 吸烟行为目标检测模型:计算机配置、制作数据集、训练、结果分析和使用

  • 前言
  • 相关连接(look评论)
  • 一、计算机配置
    • pytorch安装-GPU版本
    • 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
  • 四、吸烟视频检测效果
  • 总结

前言

YOLO v5模型简单易上手好用,场地吸烟行为实时监测。
YOLO v5 优点:

  1. 可识别视频帧数高。
  2. 技术成熟,有现成模型。
  3. 操作简单。

吸烟行为识别:

  1. 实时监测。
  2. 离线监测。
  3. 毕设需求。

吸烟(抽烟)目标检测痛难点

  1. 形状:烟细小,在图像中所占比例小,难捕捉。
  2. 颜色:主要有红色、白色和黄或黑色组成,与周围环境颜色难区分。

所以需要收集并制作大量的吸烟图片数据集,同时选择合适的算法模型,以提高目标检测准确率。


相关连接(look评论)

(1)本文视频教程:https://www.bilibili.com/video/BV1S5411Q7Zi/
(2)xml格式转换成YOLO标注格式txt的python脚本
(3)吸烟检测项目YOLO格式数据集
(4)YOLO v5 吸烟行为识别检测项目模型代码及模型权重


一、计算机配置

pytorch安装-GPU版本

pytorch有gpu版本和cpu版本,图片识别最好(必须)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!但这官网YOLO v5 包没有设计Windows界面。

目前官网YOLO v5 包里训练模型主要有v5s、v5m、v5l、v5x,对GPU要求依次增加,其中v5x对GPU要求异常高。


三、模型使用

获取数据集

使用标注好的吸烟数据集,数据集原本是VOC样式,写个脚本,将VOC格式转换成YOLO格式。制作好的吸烟数据集YOLO格式数据集文件如下图所示。

images文件里的分类和数量必须和labels文件相对应。如有需要吸烟检测项目YOLO格式数据集可直接下载,该数据集有6400+张图片。

更改train.py文件

train.py文件修改部分如下图,修改的参数很少,简单易上手,对小白很友好。

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或更改为更大的模型,训练耗时更长!

模型权重

使用GPU训练模型,训练几十个小时。结果迭代过程损失如图,可以看出,训练结果还是很好的,mAP值可达0.8以上


四、吸烟视频检测效果

直接使用上述YOLO v5s 模型权重,载入Windows界面代码,对吸烟视频进行识别检测,效果还是很好的,吸烟检测置信度稳定在0.75!也可以连接摄像头实时监测!

【目标检测】基于YOLO v5吸烟行为视频检测


总结

基于YOLO v5 模型,吸烟目标检测亲测效果好!
相关代码、数据集和模型,如有需要,亦可远程指导。