这几周玩了一下YOLOV5。选了一个机器猫的示例运行。之前训练完后,都无法识别出来机器猫,后面终于可以了。关键是训练次数和图集一定要多,我是训练了 400 次,图集是200张。最后终于可以识别出来了。并部署到RV1126的平台上。

环境介绍

本地是用虚拟机弄的,配了4核CPU,8G内存 ,一个机器猫头像,200百张图片的话,训练了400轮,耗时 8 小时左右。看来没有GPU的还是差很多。

图片标记

发现图片收集及标注是最耗时,最烦人的。但也是最重要的一环。本地是在WINDOWS平台下安装了LableImg的

训练结果分析

前面几轮训练看还没有效果,但随着训练次数的增加,效果明显改善

 默认训练300次之后就比较稳定了。

部署情况

部署到RV1126平台上后,发现置信度基本为100%

对比图片

 

原因暂时不确定 ,怀疑是转RKNN时精度缺失导致的

 

GitHub 加速计划 / yo / yolov5
49.4 K
16.03 K
下载
yolov5 - Ultralytics YOLOv8的前身,是一个用于目标检测、图像分割和图像分类任务的先进模型。
最近提交(Master分支:2 个月前 )
79b7336f * Update Integrations table Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> * Update README.md Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> * Update README.zh-CN.md Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> --------- Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> 21 天前
94a62456 * fix: quad training * fix: quad training in segmentation 23 天前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐