标签:

• yolov5
• yolo
• 视觉
• 目标检测
• pytorch 库名称: yolov5 库版本: 7.0.6 推理: false

数据集:

• keremberke/叉车目标检测

模型索引:

• 名称: keremberke/yolov5s-叉车 结果:

  • 任务: 类型: 目标检测

    数据集: 类型: keremberke/叉车目标检测 名称: keremberke/叉车目标检测 分割: 验证

    指标:

    • 类型: 精确度 # 由于huggingface.co/metrics不提供mAP@0.5 值: 0.8382598267226307 # 最小值: 0.0 - 最大值: 1.0 名称: mAP@0.5

使用方法

• 安装 yolov5:

pip install -U yolov5

• 加载模型并进行预测:

import yolov5

# 加载模型
model = yolov5.load('keremberke/yolov5s-forklift')
  
# 设置模型参数
model.conf = 0.25  # NMS置信度阈值
model.iou = 0.45  # NMS IoU阈值
model.agnostic = False  # NMS类别无关
model.multi_label = False  # NMS每个框多个标签
model.max_det = 1000  # 每张图像的最大检测数

# 设置图像
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 执行推理
results = model(img, size=640)

# 使用测试时增强进行推理
results = model(img, augment=True)

# 解析结果
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# 在图像上显示检测框
results.show()

# 将结果保存到"results/"文件夹
results.save(save_dir='results/')

• 在自定义数据集上微调模型:

yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5s-forklift --epochs 10

更多模型可在以下链接找到: awesome-yolov5-models