YOLOv5使用方法

数据集

YOLOv5 使用的数据集遵循的是 YOLO格式（YOLO annotation format）。以下是 YOLOv5 所需数据集的完整规范：

---

✅ 1. 目录结构

YOLOv5 通常的数据集结构如下：

dataset/
├── images/
│   ├── train/
│   │   ├── img1.jpg
│   │   ├── img2.jpg
│   ├── val/
│   │   ├── img3.jpg
│   │   ├── img4.jpg
│
├── labels/
│   ├── train/
│   │   ├── img1.txt
│   │   ├── img2.txt
│   ├── val/
│   │   ├── img3.txt
│   │   ├── img4.txt
│
└── data.yaml

---

✅ 2. 标签文件格式（.txt）

每张图像对应一个 .txt 文件，命名相同，内容如下格式：

<class_id> <x_center> <y_center> <width> <height>

坐标说明：

• class_id：整数，表示目标所属的类别，从0开始。
• x_center、y_center：目标中心的相对位置（范围是0~1，相对于图像宽度和高度）。
• width、height：目标框的相对宽度和高度（范围0~1）。

例如：

0 0.5 0.5 0.2 0.3

表示第0类物体，其边界框中心在图像正中间，宽20%，高30%。

---

✅ 3. data.yaml 文件格式

用于配置训练集、验证集、类别名等信息。例如：

# path: ./dataset
train: images/train
val: images/val
# test: ./dataset/images/test
nc: 3  # 类别数量
names: ['cat', 'dog', 'person']  # 类别名称列表

注释代表非必须字段，path指定后后面的路径只需写相对路径

---

✅ 4. 图片格式

• 支持常见格式：.jpg, .jpeg, .png
• 图片尺寸不必统一，但建议大小适中（训练时可自动resize）

---

✅ 5. 常见注意事项

• 标签文件中坐标必须是 归一化格式，即相对于图像宽高，范围在 [0, 1]。
• 每一行为一个标注框，没有标注的图像也必须有空的 .txt 文件。
• images/train 和 labels/train 中的文件名必须一一对应。

---

✅ 示例

假设有一张图像 dog.jpg 尺寸为 800x600，目标狗的位置是：

• 左上角 (x1=200, y1=150)
• 右下角 (x2=600, y2=450)

则：

• x_center = (200+600)/2 / 800 = 0.5
• y_center = (150+450)/2 / 600 = 0.5
• width = (600 - 200) / 800 = 0.5
• height = (450 - 150) / 600 = 0.5

标签行：

1 0.5 0.5 0.5 0.5

（假设“狗”的 class_id=1）

配置文件说明

YOLOv5 的配置文件主要包括以下几类，它们用于配置模型结构、训练过程、数据集路径等。下面是各类配置文件的说明：

---

🗂 1. data.yaml — 数据集配置文件（训练/验证/测试路径 + 类别信息）

位置：你自己创建或放在 data/ 目录中

# 示例
path: ../dataset                 # 数据集根路径（可选）
train: images/train              # 训练图片路径（相对 path 或绝对路径）
val: images/val                  # 验证图片路径
test: images/test                # （可选）测试图片路径

nc: 3                            # 类别数量
names: ['cat', 'dog', 'person']  # 类别名称列表

---

📐 2. *.yaml — 模型结构配置文件（模型架构与参数设置）

位置：models/ 目录下，常见如 yolov5s.yaml、yolov5m.yaml

# yolov5s.yaml 示例
nc: 80  # 类别数，会在训练时被 data.yaml 中的 nc 覆盖
depth_multiple: 0.33  # 网络深度系数（层数缩放）
width_multiple: 0.50  # 通道宽度系数（通道数缩放）

anchors:
  - [10,13, 16,30, 33,23]  # P3
  - [30,61, 62,45, 59,119] # P4
  - [116,90, 156,198, 373,326] # P5

backbone:
  [[-1, 1, Focus, [64, 3]],
   [-1, 1, Conv, [128, 3, 2]],
   ...]

head:
  [[-1, 1, Detect, [nc, anchors]]]

✅ 训练时，使用的是你自己选择的模型结构文件（通过 --cfg 或 --weights 推断出）。

---

⚙️ 3. hyp.yaml — 超参数配置文件（学习率、增强、损失函数等超参数）

位置：默认在 data/hyps/ 目录下，如 hyp.scratch-low.yaml

lr0: 0.01           # 初始学习率
lrf: 0.01           # 最终学习率 (final LR = lr0 * lrf)
momentum: 0.937     # SGD动量
weight_decay: 0.0005
warmup_epochs: 3.0  # 预热轮数
hsv_h: 0.015        # 色调增强
hsv_s: 0.7          # 饱和度增强
fl_gamma: 0.0       # Focal Loss gamma

你可以通过 --hyp 参数指定这个文件，例如：

python train.py --hyp data/hyps/hyp.scratch-low.yaml

---

✅ 小结：三大核心配置文件说明表

配置文件	作用	常见位置
data.yaml	指定训练/验证/测试集和类别信息	你项目目录 / data/
*.yaml	定义模型结构（yolov5s 等）	models/
hyp.yaml	设置训练超参数（增强、LR 等）	data/hyps/

---

模型训练

执行指令说明

一般训练运行命令行命令：

python train.py --img 640 --batch 16 --epochs 50 --data wheat.yaml --weights yolov5s.pt --name wheat_yolov5

---

📂 模型与数据相关参数

参数	类型	默认值	说明
--weights	str	yolov5s.pt	初始权重路径，可为官方模型或自定义训练的 .pt 文件。
--cfg	str	""	模型结构配置文件（如 yolov5s.yaml）。为空则从 weights 推断。
--data	str	data/coco128.yaml	数据集配置文件，包含 train, val, nc, names 等字段。
--hyp	str	data/hyps/hyp.scratch-low.yaml	超参数配置文件，包括学习率、IoU阈值、损失等。

---

📈 训练控制参数

参数	类型	默认值	说明
--epochs	int	100	训练总轮数。
--batch-size	int	16	批大小，所有GPU总和。-1 表示自动推断。
--imgsz / --img / --img-size	int	640	输入图像尺寸（会缩放为正方形）。
--rect	store_true	False	是否启用矩形训练（图像按长宽比例分组）。
--multi-scale	store_true	False	是否在训练中动态改变图像大小（±50%）。
--resume	可选参数	False	是否从最近的断点继续训练。
--freeze	List[int]	[0]	冻结网络层，示例：--freeze 0 1 2 表示冻结前3层。
--single-cls	store_true	False	是否将所有类别视为一个类别（适用于单类数据）。

---

💾 模型保存与验证参数

参数	类型	默认值	说明
--nosave	store_true	False	是否只保存最后一个模型，不保存中间checkpoint。
--noval	store_true	False	是否仅在最后一个 epoch 验证模型性能。
--save-period	int	-1	每间隔 x 个 epoch 保存一次模型。小于1表示禁用。

---

🧠 超参数进化（进阶功能）

参数	类型	默认值	说明
--evolve	int	可选，默认300	使用遗传算法自动进化超参数，运行 x 代。
--evolve_population	str	data/hyps	进化时加载的初始种群超参数路径。
--resume_evolve	str	None	从先前进化的最后一代恢复。

---

🧰 运行控制参数

参数	类型	默认值	说明
--device	str	""	指定设备：如 0、0,1 或 cpu。
--optimizer	str	SGD	选择优化器：SGD, Adam, AdamW。
--sync-bn	store_true	False	启用同步BatchNorm（仅 DDP 模式有效）。
--quad	store_true	False	启用四元加载器优化（某些GPU加速）。
--cos-lr	store_true	False	使用余弦学习率调度器。
--label-smoothing	float	0.0	标签平滑因子（防止过拟合）。
--patience	int	100	EarlyStopping容忍的无改进epoch数。
--seed	int	0	设置随机种子，确保结果可复现。
--workers	int	8	每个进程的数据加载线程数。
--local_rank	int	-1	DDP 多GPU模式下自动设置，不要手动修改。

---

📝 日志记录与结果保存

参数	类型	默认值	说明
--project	str	runs/train	保存训练结果的项目目录。
--name	str	exp	子目录名称。
--exist-ok	store_true	False	如果目录存在，则不自动增加编号。

---

☁️ 云与缓存相关

参数	类型	默认值	说明
--bucket	str	""	用于 Google Cloud Storage 的 gsutil bucket 路径。
--cache	str	可选	ram 或 disk，缓存图像到内存或硬盘以加速训练。
--image-weights	store_true	False	图像采样根据权重进行（提升少数类样本）。

---

🔗 W\&B / Artifact 日志参数（用于实验追踪）

参数	类型	默认值	说明
--entity	str	None	W\&B 实验的团队或个人实体名。
--upload_dataset	store_true	False	是否上传数据集到 W\&B。可选 "val"。
--bbox_interval	int	-1	日志中显示检测框图片的间隔 epoch。
--artifact_alias	str	"latest"	指定使用的 artifact 版本标签。

---

🧾 NDJSON 日志参数（结构化日志）

参数	类型	默认值	说明
--ndjson-console	store_true	False	在控制台输出 ndjson 格式日志。
--ndjson-file	store_true	False	将 ndjson 日志输出到文件。

---

模型推理与验证

执行指令说明

一般目标检测执行命令：

python detect.py --weights runs/train/wheat_yolov5/weights/best.pt --source /test_image_folder --img 640 --conf 0.25 --save-txt --save-conf --project runs/predict --name wheat_test

🎯 核心推理参数

参数	类型	默认值	说明
--weights	str/list[str]	yolov5s.pt	模型路径（.pt 文件），也可为多个模型或 Triton 服务器地址。
--source	str	data/images	输入来源：文件、文件夹、URL、glob、摄像头（如 0）或 screen。
--data	str	data/coco128.yaml	数据集配置文件（可选）。用于加载类别名等信息。
--imgsz / --img / --img-size	list[int]	[640]	推理图像的尺寸，单个值或 [h, w]。如果只给一个，则会扩展成 [640, 640]。
--conf-thres	float	0.25	置信度阈值，低于该值的检测框会被过滤。
--iou-thres	float	0.45	非极大值抑制（NMS）中的 IoU 阈值。
--max-det	int	1000	每张图片最多保留的目标检测数量。
--device	str	""	计算设备，如 '0', '0,1', 'cpu' 等。

---

🖼️ 可视化与保存选项

参数	类型	默认值	说明
--view-img	bool	False	是否显示检测结果图像（本地窗口）。
--save-txt	bool	False	是否将检测结果保存为 .txt 文件（YOLO格式或Pascal VOC格式）。
--save-format	int	0	配合 --save-txt：0 为 YOLO 格式，1 为 Pascal VOC 格式。
--save-csv	bool	False	是否将结果保存为 .csv 文件。
--save-conf	bool	False	是否将置信度一同保存到 .txt 文件中。
--save-crop	bool	False	是否保存每个检测框裁剪出的目标图像。
--nosave	bool	False	不保存任何图像或视频结果，仅在控制台输出。
--project	str	runs/detect	结果保存根目录。
--name	str	exp	子目录名称。
--exist-ok	bool	False	如果目录已存在，不自动创建 exp2, exp3，而是直接覆盖或重用。
--line-thickness	int	3	检测框的线宽（像素）。
--hide-labels	bool	False	不在图像上显示类别标签。
--hide-conf	bool	False	不在图像上显示置信度分数。

---

📊 检测控制选项

参数	类型	默认值	说明
--classes	list[int]	None	仅检测指定类别，例如 --classes 0 2 3。
--agnostic-nms	bool	False	使用类别无关的 NMS（所有类别共用抑制逻辑）。
--augment	bool	False	启用数据增强的推理（略慢但可能更鲁棒）。
--visualize	bool	False	可视化中间特征图（需模型支持）。
--update	bool	False	自动更新模型（转换旧格式为新格式）。
--half	bool	False	使用半精度（FP16）推理，仅限于 CUDA。
--dnn	bool	False	使用 OpenCV DNN 模式进行 ONNX 推理。
--vid-stride	int	1	视频推理时的帧跳跃间隔，例如 --vid-stride 5 表示每5帧处理一帧。

---

✅ 示例命令

# 检测单张图片并保存结果
python detect.py --weights yolov5s.pt --source ./data/images/zidane.jpg --conf-thres 0.3 --save-txt

# 仅检测类别 0 和 2，显示结果但不保存图像
python detect.py --weights yolov5s.pt --source ./data/images --classes 0 2 --view-img --nosave

# 对视频推理，每5帧检测一次，保存检测框为 Pascal VOC 格式
python detect.py --weights yolov5s.pt --source video.mp4 --vid-stride 5 --save-txt --save-format 1

模型导出与部署

执行指令说明

以下是对每个命令行参数的详细解释：

---

🗂️ 数据和模型路径配置

参数	类型	默认值	说明
--data	str	data/coco128.yaml	数据集配置文件路径，主要用于获取类别数等信息
--weights	str/list	yolov5s.pt	训练好的模型权重路径，支持多个模型同时导出
--imgsz / --img / --img-size	int list	[640, 640]	输入图片尺寸 [height, width]，默认是正方形
--batch-size	int	1	推理时的 batch size，一般保持为1以防不兼容

---

⚙️ 设备和推理精度

参数	类型	默认值	说明
--device	str	cpu	运行导出过程所使用的设备，如 0, cpu, 0,1 等
--half	flag	False	是否使用 FP16 精度导出（仅限支持的平台）

---

⚙️ 导出行为控制

参数	类型	默认值	说明
--inplace	flag	False	是否将 Detect() 的 inplace=True，影响模型输出张量的修改方式
--keras	flag	False	TensorFlow 导出时是否使用 Keras 模式（.h5）
--optimize	flag	False	TorchScript 优化用于移动端部署（会应用 graph 优化）

---

🎯 量化和动态轴控制

参数	类型	默认值	说明
--int8	flag	False	导出 INT8 量化模型（支持 TF、CoreML、OpenVINO）
--per-tensor	flag	False	TensorFlow 的 per-tensor 量化方式（默认是 per-channel）
--dynamic	flag	False	启用动态输入尺寸（支持 ONNX、TF、TensorRT）

---

🧠 ONNX 相关

参数	类型	默认值	说明
--simplify	flag	False	简化 ONNX 模型图（需安装 onnxsim）
--opset	int	17	ONNX 的 opset 版本，常见为 11~17

---

🧠 TensorRT 相关

参数	类型	默认值	说明
--engine（由 --include engine 控制）			TensorRT 导出开关
--cache	str	“”	TensorRT 的时间 cache 文件路径（加速编译）
--workspace	int	4	TensorRT 最大 workspace 大小（单位 GB）
--verbose	flag	False	TensorRT 导出时是否打印详细日志

---

🍏 CoreML 相关

参数	类型	默认值	说明
--mlmodel	flag	False	导出 CoreML .mlmodel 格式
--int8	flag	False	可配合用于量化 CoreML

---

🧪 TensorFlow.js（TF.js）相关（用于 Web 端）

参数	类型	默认值	说明
--nms	flag	False	添加非极大抑制 NMS（默认模型中不包含）
--agnostic-nms	flag	False	类别无关的 NMS
--topk-per-class	int	100	每个类别保留前 K 个检测结果
--topk-all	int	100	所有类别一共保留前 K 个检测结果
--iou-thres	float	0.45	NMS 的 IoU 阈值
--conf-thres	float	0.25	置信度阈值，低于此值的框会被丢弃

---

🎯 导出格式设置（核心参数）

参数	类型	默认值	说明
--include	list	['torchscript']	要导出的格式，可以包含多个： torchscript, onnx, openvino, engine, coreml, saved_model, pb, tflite, edgetpu, tfjs, paddle 等

---

✅ 示例用法

# 导出 ONNX + TorchScript + TensorRT 引擎（使用 GPU）
python export.py \
  --weights yolov5s.pt \
  --img 640 \
  --device 0 \
  --include onnx torchscript engine \
  --dynamic \
  --simplify \
  --opset 17

---

PS：封面图来源：
百鬼あやめ😈ホロライブ2期生