# yolo

**Repository Path**: LiuSheepSpace/cydianx

## Basic Information

- **Project Name**: yolo
- **Description**: yolov5 6.0
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 2
- **Created**: 2023-10-27
- **Last Updated**: 2025-09-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: AI, Cpp, Python

## README

# YOLOv5 6.0

#### 效果展示
![效果图1](show1.JPG)

![效果图1](show2.JPG)

#### 数据集格式
```text

    类别    框中心点的x比例    框中心点的y比例    框的宽的x比例    框的高的y比例
    4          0.10               0.24             0.19            0.35

```

#### train.py 可以自己配置的参数
```python
    epoch = 300                                 # 训练总轮数
    batch_size = 8                              # 单次训练数据批量
    lr0 = 1e-4                                  # 学习率
    lrf = 0.2                                   # 最终学习率倍数(最终学习率=lr0*lrf)
    continue_model = ''                         # 继续训练模型
    pred_model = "weights/cspdatknet_s.pth"     # 预训练模型
    save_model_path = "model.pth"               # 模型保存路径
    is_autoAnchors = False                      # 是否自动聚类锚框(False则采用coco数据集的锚框)
    is_save_optim = False                       # 是否保存优化器
    labels_path = 'labels'                      # 标签路径
    images_path = 'images'                      # 图片路径
    train_percent = 1                           # 训练集比例
    depth_multiple = 1.0                        # 模型深度
    width_multiple = 1.0                        # 模型宽度
```
#### 使用说明

    1.weights 中的权重文件为 yolov5 6.0 的权重

    2.创建 labels, images 文件夹, 并将标签和图片放入对应文件夹

    3.运行 train.py

    4.运行 draw_sample.py

    5.创建 Detector 类并根据draw_sample.py提供的案例使用detect.py

    6.运行 camera.py 调用摄像头, 基于 yolo deepsort 算法进行实时检测

    7.运行 pth2pt.py 将模型权重文件格式转为 pt 格式以支持c++环境使用