基於yolo5工地安全帽和禁入危險區域識別系統,附數據集
向AI轉型的程序員都關注了這個號👇👇👇
機器學習AI算法工程 公眾號：datayx
該項目是使用 YOLOv5 來訓練在智能工地安全領域中頭盔目標檢測的應用
代碼及運行教程，訓練模型，數據集 獲取：
關注微信公眾號 datayx 然后回復 安全帽 即可獲取。
AI項目體驗地址 https://loveai.tech
創建自己的數據集配置文件
因為我這里只是判斷 【人沒有帶安全帽】、【人有帶安全帽】、【人體】 3個類別 ，基於 data/coco128.yaml 文件，創建自己的數據集配置文件 custom_data.yaml
創建每個圖片對應的標簽文件
使用標注工具類似於 Labelbox 、CVAT 、精靈標注助手 標注之后，需要生成每個圖片對應的 .txt 文件，其規范如下：
-
每一行都是一個目標
-
類別序號是零索引開始的（從0開始）
-
每一行的坐標
class x_center y_center width height格式 -
框坐標必須采用歸一化的 xywh格式（從0到1）。如果您的框以像素為單位，則將
x_center和width除以圖像寬度，將y_center和height除以圖像高度。代碼如下：
生成的 .txt 文件放置的名字是圖片的名字，放置在 label 文件夾中，例如：
聚類得出先驗框（可選）
選擇一個你需要的模型
在文件夾 ./models 下選擇一個你需要的模型然后復制一份出來，將文件開頭的 nc = 修改為數據集的分類數，下面是借鑒 ./models/yolov5s.yaml來修改的
開始訓練
這里選擇了 yolov5s 模型進行訓練，權重也是基於 yolov5s.pt 來訓練
其中，yolov5s.pt 需要自行下載放在本工程的根目錄即可，下載地址 官方權重
看訓練之后的結果
訓練之后，權重會保存在 ./runs 文件夾里面的每個 exp 文件里面的 weights/best.py ，里面還可以看到訓練的效果
偵測圖片會保存在 ./inferenct/output/ 文件夾下
運行命令：
檢測危險區域內是否有人
危險區域標注方式，
我這里使用的是 精靈標注助手 標注，生成了對應圖片的 json 文件
偵測圖片會保存在 ./inferenct/output/ 文件夾下
運行命令：
效果：在危險區域里面的人體會被 紅色框 選出來
生成 ONNX
安裝 onnx 庫
pip install onnx
執行生成
增加數據集的分類
關於增加數據集分類的方法：
SHWD 數據集里面沒有 person 的類別，先將現有的自己的數據集執行腳本生成 yolov5 需要的標簽文件 .txt，之后再用 yolov5x.pt 加上 yolov5x.yaml ，使用指令檢測出人體
python detect.py --save-txt --source ./自己數據集的文件目錄 --weights ./weights/yolov5x.pt
yolov5 會推理出所有的分類，並在 inference/output 中生成對應圖片的 .txt 標簽文件；
修改 ./data/gen_data/merge_data.py 中的自己數據集標簽所在的路徑，執行這個python腳本，會進行 person 類型的合並