基于YOLOv5与PyTorch的物体检测实战指南

一、技术背景与核心优势

YOLOv5作为YOLO（You Only Look Once）系列的第五代目标检测算法，由Ultralytics团队开发，凭借其高精度、高速度和易用性成为工业界和学术界的热门选择。其核心优势包括：

1. 单阶段检测：直接预测边界框和类别，无需区域建议网络（RPN），速度更快。
2. 多尺度特征融合：通过PANet（Path Aggregation Network）增强小目标检测能力。
3. 预训练权重支持：提供COCO、VOC等数据集的预训练模型，支持快速迁移学习。
4. PyTorch深度集成：基于PyTorch框架实现，兼容动态计算图和GPU加速。

PyTorch作为深度学习领域的标杆框架，其动态图机制和丰富的生态工具链（如TorchVision、ONNX）为YOLOv5的训练和部署提供了强有力支持。

二、环境搭建与依赖安装

1. 系统要求

• 操作系统：Linux（推荐Ubuntu 20.04+）或Windows 10/11（WSL2）
• Python版本：3.8+
• GPU支持：NVIDIA GPU（CUDA 11.x+）或CPU（仅限推理）

2. 依赖安装步骤

# 创建虚拟环境（推荐）
conda create -n yolov5_env python=3.8
conda activate yolov5_env
# 安装PyTorch（根据CUDA版本选择）
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
# 安装YOLOv5依赖
pip install -r yolov5/requirements.txt  # 从Ultralytics仓库克隆后执行

3. 关键依赖解析

• PyTorch：提供张量计算和自动微分功能。
• TorchVision：包含数据加载和预处理工具。
• OpenCV：用于图像/视频的读写和显示。
• Matplotlib：可视化检测结果。

三、模型训练全流程

1. 数据集准备

（1）数据集结构

dataset/
├── images/
│   ├── train/  # 训练集图片
│   └── val/    # 验证集图片
└── labels/
    ├── train/  # 训练集标签（YOLO格式）
    └── val/    # 验证集标签

（2）标签格式

YOLOv5采用归一化坐标的文本标签，每行格式为：

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

示例：0 0.5 0.5 0.2 0.3（类别0，边界框中心在图像中心，宽高为图像宽高的20%和30%）。

2. 训练配置

（1）模型选择

YOLOv5提供多种规模模型：

• yolov5s.yaml：超轻量级（7.3M参数，140FPS）
• yolov5m.yaml：中等规模（21.2M参数，80FPS）
• yolov5l.yaml：大型（46.5M参数，60FPS）
• yolov5x.yaml：超大型（86.7M参数，40FPS）

（2）训练参数

在train.py中配置关键参数：

parser.add_argument('--data', default='data/coco128.yaml', help='数据集配置文件路径')
parser.add_argument('--weights', default='yolov5s.pt', help='预训练权重路径')
parser.add_argument('--batch-size', default=16, type=int, help='批次大小')
parser.add_argument('--epochs', default=50, type=int, help='训练轮数')
parser.add_argument('--img-size', default=640, type=int, help='输入图像尺寸')

3. 训练过程监控

• TensorBoard集成：通过--tensorboard参数启用可视化。
• 日志解析：训练日志包含损失（loss）、精度（mAP）等指标。
• 早停机制：当验证集mAP连续5轮未提升时自动停止。

四、推理与部署实践

1. 单张图像检测

import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression, scale_boxes
from utils.datasets import letterbox
from utils.plots import plot_one_box
# 加载模型
model = attempt_load('yolov5s.pt', map_location='cuda')  # 或'cpu'
model.eval()
# 图像预处理
img = letterbox('test.jpg', new_shape=640)[0]  # 调整尺寸并填充
img = img[:, :, ::-1].transpose(2, 0, 1)  # BGR转RGB并CHW格式
img = torch.from_numpy(img).to('cuda').float() / 255.0  # 归一化
if img.ndimension() == 3:
    img = img.unsqueeze(0)
# 推理
with torch.no_grad():
    pred = model(img)[0]
# 后处理
pred = non_max_suppression(pred, conf_thres=0.25, iou_thres=0.45)
for det in pred:  # 遍历每张图像的检测结果
    if len(det):
        det[:, :4] = scale_boxes(img.shape[2:], det[:, :4], 'test.jpg').round()
        for *xyxy, conf, cls in det:
            label = f'{model.names[int(cls)]} {conf:.2f}'
            plot_one_box(xyxy, 'test.jpg', label=label, color=(255,0,0))

2. 视频流检测

import cv2
cap = cv2.VideoCapture('test.mp4')
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    # 预处理与推理（同单张图像）
    # ...
    cv2.imshow('Detection', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()

3. 模型导出与部署

（1）导出为ONNX格式

python export.py --weights yolov5s.pt --include onnx --img 640

（2）TensorRT加速（NVIDIA GPU）

trtexec --onnx=yolov5s.onnx --saveEngine=yolov5s.trt --fp16

（3）移动端部署（Android/iOS）

• 使用NCNN或MNN框架优化模型。
• 通过TFLite转换（需先转为ONNX再转TFLite）。

五、性能优化技巧

1. 训练优化

• 学习率调度：采用CosineAnnealingLR或OneCycleLR。
• 混合精度训练：启用--fp16参数减少显存占用。
• 数据增强：使用mosaic和mixup提升泛化能力。

2. 推理优化

• 动态输入尺寸：根据目标大小调整--img-size（如320x320用于小目标）。
• 量化：将FP32模型转为INT8，速度提升2-4倍。
• 多线程处理：使用torch.multiprocessing并行处理视频帧。

六、常见问题解决方案

1. CUDA内存不足：减小--batch-size或使用--img-size 512。
2. 检测框抖动：增加--iou-thres 0.5或后处理平滑。
3. 类别不平衡：在数据集配置中调整train: val比例或使用加权损失。

七、进阶应用场景

1. 自定义数据集微调：修改data.yaml中的类别数和路径。
2. 实时监控系统：结合OpenCV和Flask搭建Web检测服务。
3. 嵌入式设备部署：使用Jetson系列或树莓派4B运行轻量级模型。

八、总结与展望

YOLOv5与PyTorch的组合为物体检测提供了端到端的解决方案，从数据准备到部署的全流程均可通过少量代码实现。未来发展方向包括：

• Transformer融合：如YOLOv6/v7中引入的Anchor-Free设计。
• 3D物体检测：扩展至点云或多视图数据。
• 自监督学习：减少对标注数据的依赖。

开发者可通过Ultralytics官方文档和PyTorch教程持续跟进技术演进，结合实际业务需求选择最优方案。