※yolov5の導入方法についてはこちらを参照
「AIと電子工作系ブログ 2022年1月時点のyolov5の導入方法」
https://soiyasoiya58.hatenablog.com/entry/2022/02/14/204400
-
labelimgをインストールする
※labelimgのインストールはこちらを参照
https://laid-back-scientist.com/labelimg -
data/predefined_classes.txtにラベル名を入力する
-
exeを実行してlabelimgを起動する
-
画像を読み込み、「YOLO」を指定して、位置の指定とラベル名の設定を行い保存する。
画像名.txtファイルが生成される。
-
画像ファイルとtxtファイルを配置する
-
Anacondaを起動する
-
Environmentsをクリック⇒yolov5⇒Open Terminalをクリックする
-
仮想メモリを設定しておく。
SystemPropertiesPerformance.exe を実行して[パフォーマンス オプション] ダイアログ ボックスを表示する。 [詳細設定] タブを選択して「仮想メモリ」 ボックス内の変更ボタンをクリックする。
「すべてのドライブのページング ファイルのサイズを自動的に管理する」チェックボックスをOFFにする。
「カスタム サイズ」を選択、[初期サイズ (MB)] と [最大サイズ (MB)] を設定する。
-
Terminalから画像を学習させるコマンドを実行する。
cd yolov5-6.0
python train.py --img 640 --batch 16 --epochs 200 --data ./kaiko_Dataset/kaiko.yaml --weight yolov5s.pt -
学習が完了する。
-
学習結果（best.pt）を元に物体検知を行う
python detect.py --source ./kaiko_Dataset/test --weights runs/train/exp16/weights/best.pt -
結果が表示される
-
学習対象の画像を増やしてみる。
14. 再び物体検知を行う。
