从零到一：手把手教你用YOLOv5打造专属目标检测模型

1. 环境准备与工具安装

想要用YOLOv5训练自己的目标检测模型，首先需要搭建好开发环境。我推荐使用Python 3.8或以上版本，这个版本在兼容性和稳定性方面表现都很不错。如果你是新手，建议直接安装Anaconda，它能帮你轻松管理Python环境和各种依赖包。

安装完Python环境后，我们需要准备几个关键工具：

• PyTorch：这是YOLOv5的底层框架
• OpenCV：用于图像和视频处理
• LabelImg：图像标注工具

安装这些工具非常简单，打开命令行（Windows用户用CMD或PowerShell，Mac/Linux用户用终端），依次执行以下命令：

bash复制pip install torch torchvision torchaudio
pip install opencv-python
pip install labelimg

这里有个小技巧：如果你有NVIDIA显卡，建议安装支持CUDA的PyTorch版本，可以大幅提升训练速度。安装命令稍微有些不同：

bash复制pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

安装完成后，可以通过以下命令验证是否安装成功：

python复制import torch
print(torch.cuda.is_available())  # 应该返回True
import cv2
print(cv2.__version__)  # 应该显示版本号

2. 数据集制作与标注

2.1 视频素材处理

制作自定义数据集的第一步是收集素材。我建议从拍摄视频开始，因为视频可以轻松提取出大量图像帧。比如你想做一个宠物检测器，可以拍一段你家猫狗活动的视频；如果想做特定物品检测，可以拍摄该物品在不同角度、光照条件下的视频。

用OpenCV提取视频帧的Python脚本如下：

python复制import cv2

video_path = 'your_video.mp4'  # 替换为你的视频路径
output_dir = 'frames'  # 保存帧图像的文件夹
os.makedirs(output_dir, exist_ok=True)

cap = cv2.VideoCapture(video_path)
frame_count = 0
save_interval = 10  # 每10帧保存一张

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    if frame_count % save_interval == 0:
        frame_path = os.path.join(output_dir, f"frame_{frame_count:04d}.jpg")
        cv2.imwrite(frame_path, frame)
    
    frame_count += 1

cap.release()
print(f"共提取了{frame_count//save_interval}张图像")

2.2 图像标注实战

有了图像素材后，就该进行标注了。LabelImg是最常用的标注工具之一，使用起来非常简单：

1. 启动LabelImg：在命令行输入labelimg回车
2. 点击"Open Dir"选择你的图像文件夹
3. 在左侧将标注格式切换为YOLO（默认是VOC）
4. 使用"Create RectBox"工具框选目标
5. 输入类别名称并保存

标注时要注意几个关键点：

• 框选要尽量贴合目标边缘
• 同一类别的命名要保持一致
• 标注完成后会生成与图像同名的.txt文件，里面包含标注信息

标注完成后，建议将数据集按8:2的比例分为训练集和验证集。可以手动分，也可以用Python脚本自动分：

python复制import os
import random
import shutil

dataset_dir = 'dataset'
images_dir = os.path.join(dataset_dir, 'images')
labels_dir = os.path.join(dataset_dir, 'labels')

# 创建子目录
for subset in ['train', 'val']:
    os.makedirs(os.path.join(images_dir, subset), exist_ok=True)
    os.makedirs(os.path.join(labels_dir, subset), exist_ok=True)

# 获取所有图像文件
image_files = [f for f in os.listdir(images_dir) if f.endswith('.jpg')]
random.shuffle(image_files)

# 按比例分割
split_idx = int(0.8 * len(image_files))
train_files = image_files[:split_idx]
val_files = image_files[split_idx:]

# 移动文件
for file in train_files:
    shutil.move(os.path.join(images_dir, file), os.path.join(images_dir, 'train', file))
    label_file = file.replace('.jpg', '.txt')
    shutil.move(os.path.join(labels_dir, label_file), os.path.join(labels_dir, 'train', label_file))

for file in val_files:
    shutil.move(os.path.join(images_dir, file), os.path.join(images_dir, 'val', file))
    label_file = file.replace('.jpg', '.txt')
    shutil.move(os.path.join(labels_dir, label_file), os.path.join(labels_dir, 'val', label_file))

3. YOLOv5模型训练

3.1 准备YOLOv5环境

首先从GitHub克隆YOLOv5的官方仓库：

bash复制git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

YOLOv5提供了多个预训练模型，从小型到大型依次是：

• yolov5n (nano)
• yolov5s (small)
• yolov5m (medium)
• yolov5l (large)
• yolov5x (extra large)

对于初学者，建议从yolov5s开始，它在准确率和速度之间取得了不错的平衡。

3.2 配置文件准备

在yolov5/data目录下创建你的数据集配置文件，比如my_data.yaml：

yaml复制# 训练和验证图像路径
train: ../dataset/images/train
val: ../dataset/images/val

# 类别数量
nc: 1

# 类别名称
names: ['cat']  # 替换为你的类别名称

3.3 开始训练

训练命令的基本格式如下：

bash复制python train.py --img 640 --batch 16 --epochs 100 --data data/my_data.yaml --weights yolov5s.pt --device 0

关键参数说明：

• --img 640: 输入图像尺寸
• --batch 16: 批处理大小，根据GPU显存调整
• --epochs 100: 训练轮数
• --data: 数据集配置文件路径
• --weights: 预训练模型
• --device 0: 使用GPU 0，如果是CPU则设为'cpu'

训练过程中会实时显示各项指标，包括损失函数值、精确度、召回率等。训练完成后，模型会保存在runs/train/exp/weights/目录下，其中best.pt是验证集上表现最好的模型。

4. 模型评估与优化

4.1 评估训练结果

训练完成后，YOLOv5会自动生成一系列评估图表，保存在runs/train/exp目录下。最重要的几个文件是：

• results.png: 训练过程中的指标变化曲线
• confusion_matrix.png: 混淆矩阵
• val_batchX_labels.jpg: 验证集的预测示例

可以通过这些图表直观地了解模型的表现。如果发现模型表现不佳，可以考虑：

1. 增加训练数据量
2. 调整数据增强参数
3. 尝试更大的模型架构
4. 增加训练轮数

4.2 模型测试

使用训练好的模型进行预测非常简单：

bash复制python detect.py --weights runs/train/exp/weights/best.pt --source test_image.jpg --conf 0.25

参数说明：

• --weights: 训练好的模型路径
• --source: 测试图像或视频路径
• --conf: 置信度阈值，高于此值的检测结果才会显示

如果想测试视频或摄像头实时检测：

bash复制# 测试视频
python detect.py --weights best.pt --source test_video.mp4

# 使用摄像头
python detect.py --weights best.pt --source 0

5. 模型部署与应用

5.1 模型导出

为了在不同平台上使用训练好的模型，可以将其导出为其他格式。YOLOv5支持导出为ONNX、TorchScript等格式：

bash复制python export.py --weights runs/train/exp/weights/best.pt --include onnx

导出的ONNX模型可以被多种推理引擎使用，如OpenCV DNN、TensorRT等。

5.2 嵌入式设备部署

如果你想把模型部署到树莓派等嵌入式设备上，可以考虑以下优化：

1. 使用更小的模型架构（如yolov5n）
2. 量化模型减小体积
3. 使用TensorRT加速

一个简单的树莓派部署示例：

python复制import cv2
import numpy as np

# 加载模型
net = cv2.dnn.readNet('yolov5n.onnx')

# 图像预处理
image = cv2.imread('test.jpg')
blob = cv2.dnn.blobFromImage(image, 1/255.0, (640, 640), swapRB=True, crop=False)

# 推理
net.setInput(blob)
outputs = net.forward()

# 后处理
for detection in outputs[0,0,:,:]:
    confidence = detection[4]
    if confidence > 0.5:
        x, y, w, h = detection[0:4] * np.array([image.shape[1], image.shape[0], image.shape[1], image.shape[0]])
        cv2.rectangle(image, (int(x-w/2), int(y-h/2)), (int(x+w/2), int(y+h/2)), (0,255,0), 2)

cv2.imshow('Result', image)
cv2.waitKey(0)

5.3 常见问题解决

在实际项目中，我遇到过几个典型问题：

1. 过拟合：表现为训练集准确率高但验证集低。解决方法包括增加数据多样性、使用数据增强、添加正则化等。
2. 类别不平衡：某些类别样本过少。可以通过过采样少数类或欠采样多数类来解决。
3. 检测框不准：调整anchor box尺寸或增加边界框回归的损失权重。

训练过程中如果遇到显存不足的问题，可以尝试减小批处理大小（--batch）或图像尺寸（--img）。我在GTX 1660显卡上，yolov5s模型使用batch=8和img=640的组合通常能稳定训练。