基于yolo5工地安全帽和禁入危险区域识别系统,附数据集
基于yolo5工地安全帽和禁入危险区域识别系统,附数据集
向AI转型的程序员都关注了这个号???
机器学习AI算法工程 公众号：datayx
该项目是使用 YOLOv5 来训练在智能工地安全领域中头盔目标检测的应用
代码及运行教程，训练模型，数据集 获取：
关注微信公众号 datayx 然后回复 安全帽 即可获取。
AI项目体验地址 https://loveai.tech
创建自己的数据集配置文件
因为我这里只是判断 【人没有带安全帽】、【人有带安全帽】、【人体】 3个类别 ，基于 data/coco128.yaml 文件，创建自己的数据集配置文件 custom_data.yaml
创建每个图片对应的标签文件
使用标注工具类似于 Labelbox 、CVAT 、精灵标注助手 标注之后，需要生成每个图片对应的 .txt 文件，其规范如下：
- 每一行都是一个目标
- 类别序号是零索引开始的（从0开始）
- 每一行的坐标
class x_center y_center width height格式 - 框坐标必须采用归一化的 xywh格式（从0到1）。如果您的框以像素为单位，则将
x_center和width除以图像宽度，将y_center和height除以图像高度。代码如下：
生成的 .txt 文件放置的名字是图片的名字，放置在 label 文件夹中，例如：
聚类得出先验框（可选）
选择一个你需要的模型
在文件夹 ./models 下选择一个你需要的模型然后复制一份出来，将文件开头的 nc = 修改为数据集的分类数，下面是借鉴 ./models/yolov5s.yaml来修改的
开始训练
这里选择了 yolov5s 模型进行训练，权重也是基于 yolov5s.pt 来训练
其中，yolov5s.pt 需要自行下载放在本工程的根目录即可，下载地址 官方权重
看训练之后的结果
训练之后，权重会保存在 ./runs 文件夹里面的每个 exp 文件里面的 weights/best.py ，里面还可以看到训练的效果
侦测图片会保存在 ./inferenct/output/ 文件夹下
运行命令：
检测危险区域内是否有人
危险区域标注方式，
我这里使用的是 精灵标注助手 标注，生成了对应图片的 json 文件
侦测图片会保存在 ./inferenct/output/ 文件夹下
运行命令：
效果：在危险区域里面的人体会被 红色框 选出来
生成 ONNX
安装 onnx 库
pip install onnx执行生成
增加数据集的分类
关于增加数据集分类的方法：
SHWD 数据集里面没有 person 的类别，先将现有的自己的数据集执行脚本生成 yolov5 需要的标签文件 .txt，之后再用 yolov5x.pt 加上 yolov5x.yaml ，使用指令检测出人体
python detect.py --save-txt --source ./自己数据集的文件目录 --weights ./weights/yolov5x.ptyolov5 会推理出所有的分类，并在 inference/output 中生成对应图片的 .txt 标签文件；
修改 ./data/gen_data/merge_data.py 中的自己数据集标签所在的路径，执行这个python脚本，会进行 person 类型的合并
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
机大数据技术与机器学习工程
搜索公众号添加： datanlp
长按图片，识别二维码
腾讯云开发者
