YoloV5实战：手把手教物体检测——YoloV5

一、引言：为什么选择YoloV5？

YoloV5作为YOLO系列（You Only Look Once）的第五代版本，凭借其高精度、高速度、易用性三大优势，成为计算机视觉领域物体检测任务的热门选择。相比传统两阶段检测器（如Faster R-CNN），YoloV5采用单阶段端到端设计，直接预测边界框和类别，速度提升数倍；同时通过改进的CSPDarknet骨干网络和PANet特征融合结构，在精度上媲美甚至超越两阶段模型。本文将通过实战案例，详细讲解如何从零开始使用YoloV5完成物体检测任务。

二、环境配置：搭建YoloV5开发环境

1. 硬件要求

• GPU：推荐NVIDIA显卡（CUDA支持），至少4GB显存（训练时建议8GB+）。
• CPU：若仅用于推理，现代多核CPU即可。
• 存储：至少20GB可用空间（用于数据集和模型存储）。

2. 软件依赖

• 操作系统：Linux（Ubuntu 20.04+）或Windows 10/11（WSL2）。
• Python：3.8-3.10（YoloV5官方推荐版本）。
• PyTorch：1.12+（与CUDA版本匹配）。
• 其他库：pip install opencv-python matplotlib tqdm。

3. 安装步骤

# 克隆YoloV5仓库
git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -r requirements.txt  # 安装依赖

验证安装：

import torch
from yolov5 import detect
print(torch.__version__)  # 应输出PyTorch版本

三、数据集准备：从标注到格式转换

1. 数据集格式要求

YoloV5支持两种数据集格式：

• YOLO格式：每行文本为class_id x_center y_center width height（归一化到[0,1]）。
• COCO格式：JSON文件包含图像和标注信息（需通过yolov5/utils/datasets.py转换）。

2. 标注工具推荐

• LabelImg：生成PASCAL VOC格式（需转换为YOLO格式）。
• CVAT：支持团队协作标注。
• Roboflow：在线标注并自动转换为YOLO格式。

3. 示例：手动标注并转换

假设有一张图像cat.jpg，标注后生成cat.txt：

0 0.5 0.5 0.3 0.3  # 类别0，中心点(0.5,0.5)，宽高0.3

将数据集组织为以下结构：

dataset/
├── images/
│   ├── train/
│   └── val/
└── labels/
    ├── train/
    └── val/

四、模型训练：参数调优与技巧

1. 配置文件修改

YoloV5通过data/coco.yaml或自定义YAML文件指定数据集路径和类别数。例如：

# custom.yaml
train: ./dataset/images/train
val: ./dataset/images/val
nc: 1  # 类别数
names: ['cat']  # 类别名称

2. 训练命令

python train.py --img 640 --batch 16 --epochs 50 --data custom.yaml --cfg yolov5s.yaml --weights yolov5s.pt --name cat_detector

• --img 640：输入图像尺寸。
• --batch 16：批大小（根据显存调整）。
• --epochs 50：训练轮数。
• --cfg yolov5s.yaml：模型配置（s/m/l/x对应不同规模）。
• --weights yolov5s.pt：预训练权重。

3. 关键训练技巧

• 学习率调整：使用--lr0 0.01设置初始学习率，配合--lrf 0.01（学习率衰减因子）。
• 混合精度训练：添加--half加速训练（需GPU支持）。
• 早停机制：通过--patience 10在验证损失不下降时提前终止。

五、模型推理：部署与应用

1. 单张图像检测

from yolov5 import detect
results = detect.run(
    weights='runs/train/cat_detector/weights/best.pt',  # 训练好的模型
    source='test_cat.jpg',  # 测试图像
    conf_thres=0.5,  # 置信度阈值
    iou_thres=0.45  # NMS IoU阈值
)

输出结果包含边界框、类别和置信度。

2. 视频流检测

import cv2
from yolov5.models.experimental import attempt_load
from yolov5.utils.general import non_max_suppression, scale_boxes
from yolov5.utils.torch_utils import select_device
# 加载模型
device = select_device('0')  # 使用GPU
model = attempt_load('best.pt', device=device)
# 打开摄像头
cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    # 预处理
    img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    img = cv2.resize(img, (640, 640))
    img_tensor = torch.from_numpy(img).to(device).float() / 255.0
    img_tensor = img_tensor.permute(2, 0, 1).unsqueeze(0)
    # 推理
    with torch.no_grad():
        pred = model(img_tensor)[0]
    # 后处理
    pred = non_max_suppression(pred, conf_thres=0.5, iou_thres=0.45)
    # 绘制结果（略）
    cv2.imshow('Detection', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

3. 模型导出与部署

• 导出为ONNX：

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

• TensorRT加速（需NVIDIA GPU）：

  python export.py --weights best.pt --include engine --img 640

六、常见问题与解决方案

1. 训练损失不下降

• 原因：学习率过高/过低、数据量不足、预训练权重不匹配。
• 解决：调整学习率（--lr0），增加数据量，或尝试不同预训练权重。

2. 推理速度慢

• 原因：输入尺寸过大、批处理不足、模型规模过大。
• 解决：减小--img尺寸，使用yolov5s.yaml（小模型），或启用--half。

3. 类别误检

• 原因：数据标注不准确、类别不平衡。
• 解决：检查标注文件，使用--weights yolov5s.pt --rect进行矩形训练，或增加难样本挖掘。

七、进阶应用：自定义模型优化

1. 模型剪枝与量化

# 剪枝（减少通道数）
python prune.py --weights best.pt --img 640 --percent 0.3  # 剪枝30%通道
# 量化（INT8精度）
python export.py --weights pruned.pt --include int8 --img 640

2. 多任务扩展

通过修改yolov5s.yaml中的head部分，可同时输出分割掩码或关键点（需基于YoloV5-segment或YoloV5-pose分支）。

八、总结与展望

YoloV5以其易用性、灵活性和高性能，成为物体检测任务的理想选择。通过本文的实战指南，读者已掌握从环境配置到模型部署的全流程。未来，随着YOLOv8等新版本的发布，可进一步探索更高效的架构（如CSPNeXt）和训练策略（如动态标签分配）。建议持续关注Ultralytics官方仓库（github.com/ultralytics/yolov5）以获取最新更新。

实践建议：从YoloV5s（小模型）开始快速验证想法，再逐步扩展到更大模型；优先利用预训练权重进行迁移学习，减少对大规模数据集的依赖。