[人工智能]yolov5android部署注意点

yolov5实践纪录，

模型训练
训练时需要修改的几个地方，
不论如何，先git下载代码，然后下载单独的模型，在根目录下yolov5s.pt文件。
data文件夹下修改，yaml文件
举例：

train: ../train/images
val: ../valid/images

nc: 2
names: ['mask', 'no-mask']

数据集格式

labels每个文件和images每个图片原文件相同，文件内容，每行包含识别的标签，和每个预测框的初始坐标和长宽。一个文件可以包含多行，即包含多个预测目标

训练的时候需要修改的几个超参数的地方

	parser.add_argument('--weights', type=str, default=ROOT / 'yolov5s.pt', help='initial weights path')
    parser.add_argument('--cfg', type=str, default=ROOT / 'models/yolov5s.yaml', help='model.yaml path')
    # parser.add_argument('--cfg', type=str, default='', help='model.yaml path')
    parser.add_argument('--data', type=str, default=ROOT / 'data/mask_kouzhao.yaml', help='dataset.yaml path')
    # parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='dataset.yaml path')
    parser.add_argument('--hyp', type=str, default=ROOT / 'data/hyps/hyp.scratch-low.yaml', help='hyperparameters path')
    parser.add_argument('--epochs', type=int, default=10)
    # parser.add_argument('--epochs', type=int, default=300)
    parser.add_argument('--batch-size', type=int, default=8, help='total batch size for all GPUs, -1 for autobatch')
    # parser.add_argument('--batch-size', type=int, default=16, help='total batch size for all GPUs, -1 for autobatch')
    parser.add_argument('--imgsz', '--img', '--img-size', type=int, default=640, help='train, val image size (pixels)')
    parser.add

参考如上

预测
上代码：

@torch.no_grad()
def run(weights=ROOT / 'yolov5s.pt',  # model.pt path(s)
        source=ROOT / 'data/images',  # file/dir/URL/glob, 0 for webcam
        data=ROOT / 'data/coco128.yaml',  # dataset.yaml path

主要就这三个地方需要修改

单独写一个预测文件flask部署识别问题，明天再代码补上。

导出
导出时需要注意的几个点，批次的修改，修改为16，不知道是不是对最后问题的原因，待定。
部署在Android时，如有问题，需要卸掉软件重新安装，Android端导入的模型需要与原来的名字相同，yolos…plt
输出维度你的修改需要做输出类别加5，的操作。
然后，然后好像就可以了哇

部署

数据处理的问题

不放张图不足以慰风尘