環境安裝

1. 開啟Pycharm新專案：

   1.1 點擊New Project開啟新專案

   

   1.2 點擊New enviroment using，選擇Vitualenv後輸入專案名稱，再點擊Create。

   

2. 到Github下載WongKinYiu/yolov7

3. 解壓縮後將yolov7-main資料夾移動到Pycharm專案資料夾內，並修改名稱為YOLOv7。

   

4. 在Pycharm內點選Terminal，並依序輸入以下指令

   4.1 進入yolov7資料夾：cd '.\yolov7\'

   4.2 修正requirements.txt

   • 修正前

     

   • 修正後

     

   4.3 安裝需求套件：pip install -r requirements.txt

   

模型推論(detect.py檔)

1. 預訓練模型yolov4-csp權重

   1.1 下載預訓練模型yolov7.pt權重

   1.2 放到yolov7資料夾，用以執行detect.py測試是否部署環境成功。

   

2. 在inference/images資料夾中，有6張照片，可測試單張及多張照片的GPU推論速度。

   

3. 在Terminal輸入推論指令

   3.1 單張照片gpu推論：python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg --device 0

   • 執行結果：1張圖片推論0.013秒、NMS 0.027秒。

     

   • 推論結果

     

   3.2 多張照片gpu推論：python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images --device 0

   • 執行結果

     • 第1張圖片推論0.013秒、NMS 0.004秒。
     • 第2~8張圖片，平均1張推論0.012秒、NMS 0.001秒。

     

   • 推論結果

     

   3.3 參數說明

   • --weights 後面放推論時讀取的weight檔案路徑，如：yolov7.pt
   • --source 後面放要推論的圖片或資料夾路徑，如：inference/images
   • --conf 後面放confidence的閾值，如：0.25
   • --iou-thres後面放NMS的閾值，如：默認0.5
   • --img-size 待推論圖片輸入模型的尺寸，如：640
   • --save_result 是否儲存圖片推論結果，如：True
   • --device 指定推論GPU的編號，如：0

模型訓練(train.py檔)

1. YOLO txt格式

   1.1 資料集下載

   • 下載datasets1：從coco128中擷取部分資料。

   • 將datasets1資料集解壓縮，並移到yolov7下的data資料夾內。

     

   1.2 下載預訓練模型yolov7_training.pt權重，並放到yolov7資料夾內。

   

   1.3 修改coco.yaml參數檔檔

   • train與val資料夾路徑。(編號1)
   • nc：dataset1中共有80個類別。(編號2)
   • names：字串格式輸入類別名稱。(編號3)

   

   1.4 修改cfg/training/yolov7.yaml

   • nc：dataset1中共有80個類別。

     

   1.5 執行訓練：python train.py --workers 4 --device 0 --batch-size 4 --data data/coco.yaml --img 640 640 --cfg cfg/training/yolov7.yaml --weights 'yolov7_training.pt' --name yolov7-custom --hyp data/hyp.scratch.custom.yaml --epochs 10

   • 訓練過程

     

   • 訓練結果

     

   1.6 Demo測試：python detect.py --weights runs/train/yolov7-custom/weights/best.pt --conf 0.25 --img-size 640 --source inference/images --device 0

   • 推論過程

     

小結

1. 經過10天論文地獄與5天OD模型部署訓練，終於要實作「鋼胚序號辨識」專案。
2. 下一站，我們將分享「YOLO訓練流程與資料集YOLO txt格式」。

讓我們繼續看下去...

參考資料

1. WongKinYiu/yolov7