使用使用Yolo v5进行目标检测
环境
为了快速使用YOLO的环境，使用docker进行部署
拉取镜像
docker pull ultralytics/yolov5:latest
镜像比较大，有14.5GB，所以需要更改镜像源为阿里云的镜像（测试时只有这个比较快）
快速运行
启动docker，并将当前目录挂载到/usr/src/coco目录下
docker run --ipc=host -it -v "$(pwd)":/usr/src/coco ultralytics/yolov5:latest
然后利用预训练的模型对图像进行检测
python detect.py --source [文件名]
第一次运行会自动从github下载v5s模型，国内下载的速度比较慢，可以通过其他途径下好后放入/usr/src/app目录下
docker cp yolov5s.pt [容器名]:/usr/src/app
下载地址
结果放在/usr/src/app/runs/detect/exp目录中
自用命令
docker run --ipc=host -it --name=yolov5 -v "$(pwd)/input":/usr/src/input -v "$(pwd)/output":/usr/src/app/runs ultralytics/yolov5:latest
python detect.py --source /usr/src/input/[文件名]
训练
准备自己的数据集需要标注，在线标注工具：https://www.makesense.ai/
$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64
yolov5m 40
yolov5l 24
yolov5x