基于YOLOv5s的车辆检测,完成Android版本车辆检测模型算法开发,APP在普通Android手机上可以达到实时的检测和识别效果,CPU(4线程)约30ms左右,GPU约20ms左右 ,基本满足业务的性能需求。
1.数据集处理
(1)车辆检测数据集
收集约10W+的车辆检测数据集:UA-DETRAC车辆检测数据集+Vehicle-Dataset车辆检测数据集+BITVehicle车辆检测数据集。
(2)自定义数据集
如果需要增/删类别数据进行训练,或者需要自定数据集进行训练,如下步骤:
采集图片,建议不少于200张图片;
使用Labelme等标注工具,对目标进行拉框标注:labelme工具;
将标注格式转换为VOC数据格式;
生成训练集train.txt和验证集val.txt文件列表;
修改engine/configs/voc_local.yaml的train和val的数据路径;
重新开始训练。
2.训练测试模型
训练完成后,在模型输出目录中有个results.csv文件,记录每个epoch测试的结果,如loss,mAP等信息;
训练模型收敛后,yolov5s车辆检测的mAP指