正文

毕设系列-检测专题-基于卷积神经网络的动物识别系统

author  author  2023-01-01  187

关键词：

我们之前做过一期基于Yolov5的口罩检测系统（手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程_dejahu的博客-博客），里面的代码是基于YOLOV5 6.0开发的，并且是适用其他数据集的，只需要修改数据集之后重新训练即可，非常方便，但是有些好兄弟是初学者，可能不太了解数据的处理，所以我们就这期视频做个衍生系列，主要是希望通过这些系列来教会大家如何训练和使用自己的数据集。

B站视频：毕设系列-检测专题-基于YOLOV5的手势识别系统_哔哩哔哩_bilibili
博客地址：(2条消息) 毕设系列-检测专题-基于卷积神经网络的动物识别系统_肆十二的博客博客
代码地址：YOLOV5-animal-42: 基于YOLOV5的动物检测系统 (gitee.com)
数据集和训练好的模型地址：YOLOV5动物检测数据集+代码+模型2000张标注好的数据+教学视频_肆十二yolov5-深度学习文档类资源

上期评论区有好兄弟留言想看动物检测系统，那咱们这期检测系列就更新动物检测系统，并且在之前功能的基础之上添加了计数的功能，先看效果。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_pyqt5

考虑到有的朋友算力不足，我这里也提供了标注好的数据集和训练好的模型

YOLOV5动物检测数据集+代码+模型2000张标注好的数据+教学视频_肆十二yolov5-深度学习文档类资源-文库

下载代码

代码的下载地址是：YOLOV5-animal-42: 基于YOLOV5的动物检测系统 (gitee.com)

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_02

配置环境

不熟悉pycharm的anaconda的小伙伴请先看这篇博客，了解pycharm和anaconda的基本操作

如何在pycharm中配置anaconda的虚拟环境_dejahu的博客-博客_如何在pycharm中配置anaconda

anaconda安装完成之后请切换到国内的源来提高下载速度，命令如下：

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

首先创建python3.8的虚拟环境，请在命令行中执行下列操作：

conda create -n yolo5 python==3.8.5
conda activate yolo5

pytorch安装（gpu版本和cpu版本的安装）

实际测试情况是YOLOv5在CPU和GPU的情况下均可使用，不过在CPU的条件下训练那个速度会令人发指，所以有条件的小伙伴一定要安装GPU版本的Pytorch，没有条件的小伙伴最好是租服务器来使用。

GPU版本安装的具体步骤可以参考这篇文章：2021年Windows下安装GPU版本的Tensorflow和Pytorch_dejahu的博客-博客

需要注意以下几点：

安装之前一定要先更新你的显卡驱动，去官网下载对应型号的驱动安装
30系显卡只能使用cuda11的版本
一定要创建虚拟环境，这样的话各个深度学习框架之间不发生冲突

我这里创建的是python3.8的环境，安装的Pytorch的版本是1.8.0，命令如下：

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2 # 注意这条命令指定Pytorch的版本和cuda的版本
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly # CPU的小伙伴直接执行这条命令即可
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch # 30系显卡的小伙伴执行这里的指令

安装完毕之后，我们来测试一下GPU是否

毕设系列-检测专题-基于卷积神经网络的动物识别系统_肆十二_03

pycocotools的安装

后面我发现了windows下更简单的安装方法，大家可以使用下面这个指令来直接进行安装，不需要下载之后再来安装

pip install pycocotools-windows

其他包的安装

另外的话大家还需要安装程序其他所需的包，包括opencv，matplotlib这些包，不过这些包的安装比较简单，直接通过pip指令执行即可，我们cd到yolov5代码的目录下，直接执行下列指令即可完成包的安装。

pip install -r requirements.txt
pip install pyqt5
pip install labelme

数据处理

实现准备处理好的yolo格式的数据集，一般yolo格式的数据是一张图片对应一个txt格式的标注文件。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_pyqt5_04

标注文件中记载了目标的类别中心点坐标和宽高信息，如下图所示：

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_05

记住这里的数据集位置，在后面的配置文件中我们将会使用到，比如我这里数据集的位置是：C:/Users/chenmingsong/Desktop/hand/hand_gesture_dataset

配置文件准备

数据配置文件的准备
配置文件是data目录下的animal_data.yaml，只需要将这里的数据集位置修改为你本地的数据集位置即可。
模型配置文件的准备
模型的配置文件主要有三个，分别是animal_yolov5s.yaml、animal_yolov5m.yaml、animal_yolov5l.yaml，分别对应着yolo大中小三个模型，主要将配置文件中的nc修改为我们本次数据集对应的6个类别即可。

模型训练

模型训练的主文件是train.py，下面的三条指令分别对应着小中大三个模型的训练，有GPU的同学可以将设备换为0，表示使用0号GPU卡，显存比较大的同学可以将batchsize调整为4或者16，训练起来更快。

python train.py --data animal_data.yaml --cfg animal_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 2 --device cpu
python train.py --data animal_data.yaml --cfg animal_yolov5l.yaml --weights pretrained/yolov5l.pt --epoch 100 --batch-size 2
python train.py --data animal_data.yaml --cfg animal_yolov5m.yaml--weights pretrained/yolov5m.pt --epoch 100 --batch-size 2

训练过程中会出现下面的进度条

毕设系列-检测专题-基于卷积神经网络的动物识别系统_YOLOV5_06

等待训练完成之后训练结果将会保存在runs/train目录下，里面有各种各样的示意图供大家使用。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_07

模型使用

模型的使用全部集成在了detect.py目录下，你按照下面的指令指你要检测的内容即可

# 检测摄像头
 python detect.py  --weights runs/train/exps/weights/best.pt --source 0  # webcam
 # 检测图片文件
  python detect.py  --weights runs/train/exps/weights/best.pt --source file.jpg  # image 
 # 检测视频文件
   python detect.py --weights runs/train/exps/weights/best.pt --source file.mp4  # video
 # 检测一个目录下的文件
  python detect.py --weights runs/train/exps/weights/best.pt path/  # directory
 # 检测网络视频
  python detect.py --weights runs/train/exps/weights/best.pt https://youtu.be/NUsoVlDFqZg  # YouTube video
 # 检测流媒体
  python detect.py --weights runs/train/exps/weights/best.pt rtsp://example.com/media.mp4  # RTSP, RTMP, HTTP stream

比如以我们的口罩模型为例，如果我们执行python detect.py --weights runs/train/exps/weights/best.pt --source data/images/0023.png的命令便可以得到这样的一张检测结果。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_目标检测_08

构建可视化界面

可视化界面的部分在window.py文件中，是通过pyqt5完成的界面设计，在启动界面前，你需要将模型替换成你训练好的模型，替换的位置在window.py的第60行，修改成你的模型地址即可，如果你有GPU的话，可以将device设置为0，表示使用第0行GPU，这样可以加快模型的识别速度嗷。

毕设系列-检测专题-基于卷积神经网络的动物识别系统_动物检测_09

现在启动看看效果吧。

找到我

你可以通过这些方式来寻找我。

B站：肆十二-

知乎：肆十二

微博：肆十二-

现在关注以后就是老朋友喽！

1000个大数据/人工智能毕设选题推荐

...基于TF-IDF和朴素贝叶斯方法的海量文本分类研究基于卷积神经网络的图像修复系统设计与实现智慧校园语音交互系统的设计与实现中国天气质量大数据展示与分析系统实现基于深度学习的无人超市人脸支付系统设计与实现基于目... 查看详情

大数据毕设选题-深度学习火焰识别检测系统（pythonyolo）(代码片段)

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1网络架构图4.2输入端4.3基准网络4.4Neck网络4.5Head输出层5数据集准... 查看详情