问题标签 [yolov5]

我有 yolo 模型，yolov5s.yaml并且我已将我的权重文件保存为best.pt. 现在想将 yolo 模型转换为 ONNX 并在 c++ 接口上运行。我已经通过了这个https://github.com/ultralytics/yolov5/issues/251但无法做到。任何帮助或有用的资源都会有所帮助。谢谢

我正在使用 MS Kinect 开发 3 维鱼类检测和跟踪系统，并将 yolov5s 用于 rgb 帧。我想对 yolov5 的架构进行一些实验，但作为初学者，我正在努力寻找 common.py 中使用的类中的参数与 Ultralytics 存储库中 yaml 文件中使用的参数之间的关系。有人可以帮忙吗？PS：如果您可以添加一些我可以了解架构和层的资源，那么它真的会有所帮助。谢谢 ！

我有一个在自定义数据集上训练的 YOLOV5 模型，我尝试使用管道将其部署到 Azure。

首先，我使用笔记本实例进行了尝试，一切都很好，但是由于我需要将其自动化，因此我尝试在 Azure 上创建一个“数据集”，但是当我上传数据集时，它会更改数据集类型（通常在 YOLO 中它必须是这样的-图像（文件夹）-标签（文件夹））

后来用下面的方法试了一下：

但是当我运行它时出现以下错误

我阅读了 Microsoft 的几份指南，但没有一份包括使用自定义数据集部署对象检测模型。

所以我有点迷茫，如果有人可以指导我，我将不胜感激

我正在尝试在 Windows 10 x86_64 系统中从ultralytics安装 PyTorch YOLOv5。说明看起来很简单，在为 GPU 安装 PyTorch 后，我尝试使用以下命令安装所需的要求：pip install -qr https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt

我得到以下错误日志：

错误：命令出错，退出状态为 1：命令：'C:\Users\arjun\anaconda3\envs\pytorch_object_detection\python.exe' -u -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\setup.py'"'"'; file ='"'"'C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\setup.py'"'"';f=getattr(tokenize, '"'"'open' "'"', open)( file );code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"'); f.close();exec(编译(代码,
完整输出（16 行）：运行 bdist_wheel running build
running build_py 创建 build 创建 build\lib.win-amd64-3.8
创建 build\lib.win-amd64-3.8\pycocotools 复制 pycocotools\coco.py -> build\lib.win -amd64-3.8\pycocotools 复制 pycocotools\cocoeval.py -> build\lib.win-amd64-3.8\pycocotools
复制 pycocotools\mask.py -> build\lib.win-amd64-3.8\pycocotools
复制 pycocotools_ init _.py -> build\lib.win-amd64-3.8\pycocotools 运行 build_ext cythoning pycocotools/_mask.pyx 到 pycocotools_mask.c
C:\Users\arjun\anaconda3\envs\pytorch_object_detection\lib\site-packages\Cython\Compiler\Main.py:369：FutureWarning：Cython 指令“语言级别”未设置，目前使用 2 (Py2)。这将在以后的版本中更改！文件：C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\pycocotools_mask.pyx tree = Parsing.p_module(s, pxd, full_module_name) building 'pycocotools. mask' 扩展错误：需要 Microsoft Visual C++ 14.0 或更高版本。使用“Microsoft C++ 构建工具”获取它： https ://visualstudio.microsoft.com/visual-cpp-build-tools/
---------------------------------------- 错误：pycocotools 的构建轮失败错误：命令退出状态 1 出错：命令：'C:\Users\arjun\anaconda3\envs\pytorch_object_detection\python.exe' -u -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\setup.py'"'"'; file ='"'"'C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\setup.py'"'"';f=getattr(tokenize, '"'"'open' "'"', 打开)(文件);code=f.read().replace('"'"'\r\n'"'"', '"'", '"'"'exec'"'"'))' install --record 'C:\Users\arjun\AppData\Local\Temp\pip-record-l60dglwi\install-record.txt' --single-version -externally-managed --compile --install-headers 'C:\Users\arjun\anaconda3\envs\pytorch_object_detection\Include\pycocotools' cwd: C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l \pycocotools_e5774d8d59d14fa9b3baece40c2b7248
完整输出（14 行）： running install running build running build_py Creating build Creating build\lib.win-amd64-3.8 Creating build\lib.win-amd64-3.8\pycocotools 复制 pycocotools\coco.py -> build\lib .win-amd64-3.8\pycocotools 复制 pycocotools\cocoeval.py -> build\lib.win-amd64-3.8\pycocotools 复制 pycocotools\mask.py -> build\lib.win-amd64-3。8\pycocotools 复制pycocotools_init.py -> build\lib.win-amd64-3.8\pycocotools running build_ext 跳过 'pycocotools_mask.c' Cython 扩展（最新）构建 'pycocotools._mask' 扩展错误：需要 Microsoft Visual C++ 14.0 或更高版本。使用“Microsoft C++ 构建工具”获取它： https ://visualstudio.microsoft.com/visual-cpp-build-tools/ ---------- ------------------ 错误：命令出错，退出状态为 1：'C:\Users\arjun\anaconda3\envs\pytorch_object_detection\python.exe' -u -c '导入系统，设置工具，标记化；sys.argv[0] = '"'"'C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\setup.py'"'"'; 文件='"'"'C:\Users\arjun\AppData\Local\Temp\pip-install-7kbo300l\pycocotools_e5774d8d59d14fa9b3baece40c2b7248\setup.py'"'"';f=getattr(tokenize, '"'"'open'" '"', 打开)(文件);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f .close();exec(compile(code, file , '"'"'exec'"'"'))' install --record 'C:\Users\arjun\AppData\Local\Temp\pip-record-l60dglwi \install-record.txt' --single-version-externally-managed --compile --install-headers 'C:\Users\arjun\anaconda3\envs\pytorch_object_detection\Include\pycocotools' 检查日志以获取完整的命令输出。

我已安装 Microsoft C++ Build Tools 并在 CMD 中获得以下输出：

---

** Visual Studio 2019 开发人员命令提示符 v16.9.6 ** 版权所有 (c) 2021 Microsoft Corporation

---

我正在尝试重新安装 requirements.txt，但 Microsoft C++ Build Tools 的错误仍然存​​在。

我应该怎么办？

我已经在 colab.research 环境中训练了 Yolov5s 模型。训练后，我将 best.pt 移至 yolov5 主目录，并将文件重命名为 yolov5s.pt。

调用 export.py 后，我得到下面列出的错误

我正在尝试导出此模型以在 Android 应用程序中使用它。如果我使用 best.pt 我在加载网络时遇到其他错误：

我自己没有找到任何解决方案。您知道如何解决此错误吗？

编辑：已修复 - 如果我链接到目录，我可以导出模型：

我是编程新手，最近一直在尝试使用 YOLOv5 学习对象检测。我可以执行自定义对象的检测，但我正在努力记录检测到对象的帧。

我的目标是将我的模型检测到的帧与对象已经逐帧注释的帧进行比较。如中所示，我使用 VIA 3.0（http://www.robots.ox.ac.uk/~vgg/software/via/demo/via_video_annotator.html）用我的对象为“X.mp4”注释帧，以及何时相同的视频在我的模型中运行，它返回带有对象的帧，供我比较。

理想情况下，我希望我的程序返回检测到对象的视频帧和时间（以分钟和秒为单位）。

如果我的问题不清楚并且非常愚蠢，请道歉。如前所述，任何帮助表示赞赏。

谢谢

我正在尝试从视频输入中检测人体物体和球，我能够识别这两个物体并在识别的物体周围绘制一个方框，但是如何在它们移动的轨迹中绘制一条连续线？我已经从 YoloV5 Github Repo 下载了 detect.py 文件，并自定义了要识别的对象。

我想画一条连接前一点和当前点的连续线，直到对象在视频中失焦？

我需要像这张图片一样在球轨迹上画一条线，

我已经在 google colab 上使用 yoloV5 训练了我的模型，遵循提供的用于训练任何自定义模型的教程和演练：Colab file for training your own custom model。在运行提供的链接中的最后一个单元格后，我现在有一个导出的best.pt文件。现在，我想利用这个训练有素的权重在任何 python 脚本上本地运行检测。这可能吗？如果是这样，我该怎么做？

我尝试使用 google colab 训练我的模型，正如 youtube ( https://www.youtube.com/watch?v=MdF6x6ZmLAY ) 上的 roboflow 教程中所解释的那样，它运行良好。另一方面，不幸的是，结果不是我所期望的。然后我尝试使用预训练的权重并再次训练我的模型。这次我得到的文件要小得多（~3MB，另一个是~15MB），当我尝试在我的代码中使用它时，我也是从互联网上获得的（https://pypi.org/project/yolov5 /），它不起作用。如果您需要更多信息，请写下来。我是新手，想在大学课堂上使用 Yolo 进行项目

我使用的代码：

`从 yolov5 导入 YOLOv5

将 matplotlib.pylab 导入为 plt

#设置模型参数

model_path = "yolov5/weights/best.pt"

device = "cpu" # "0" 代表 gpu 或 "cpu"

#init yolov5 模型

yolov5 = YOLOv5(model_path, 设备)

#加载图片

image1 = plt.imread("test1.jpg")

#执行推理

结果 = yolov5.predict(image1)

#在图像上显示检测边界框

结果.show()

#将结果保存到“results/”文件夹中

结果.save(save_dir='results/')`

我得到的错误：

RuntimeError: [enforce fail at ..\caffe2\serialize\inline_container.cc:145]。PytorchStreamReader 读取 zip 存档失败：找不到中央目录

我想知道，是否可以使用 yolov5 在图像中查找对象，然后返回对象的类型以及它在图片中的位置？不仅是带有边界框的图像