建立所需環境

1. 下載yolov5程式碼。
2. 在電腦當中建立虛擬環境，因為我的筆電已經有安裝anaconda，所以這邊我直接利用anaconda建立新的環境就可以了。

   conda create -n yolov5 python=3.8
   

3. 建立環境好後，啟動該環境:

   conda activate yolov5
   

4. 安裝yolov5所需套件(需花一段時間進行下載及安裝):

   pip install -r requirement.txt
   

5. 安裝好後進行測試環境:

   python detect.py --source data\images\zidane.jpg
   

   • 執行後會自動下載yolov5的權重檔。
     
   • 辨識結果會存在runs\detect\exp資料夾裡面。
     

若在該資料夾中有看到這張輸出影像，就代表安裝環境成功囉。

訓練階段(以飛機機身缺陷偵測資料集為例)

1. 因為yolov5 訓練集的存放方式與yolov3、yolov4不同，剛好aircraft_fuselage_yolo資料夾中的影像擺放方式符合yolov5所需。
   
2. 複製data資料夾中的coco.yaml，並在原data資料夾貼上，並改名稱為custom.yaml。
3. 開啟custom.yaml，並將data路徑以及類別名稱進行修改。
   • 檔案內容:

     path: ../aircraft_fuselage_yolo/ # dataset root dir
     train: images/train  # train images
     val: images/val  # val images
     test: 
     # Classes
     nc : 4
     names: ['scratch','paint_peel','rust','rivet_damage']
     

4. 開始訓練-指令:

   python train.py --img-size 640 --batch 2 --epochs 300 --data data\custom.yaml --weights yolov5s.pt
   

成功執行訓練會顯示:

可能會遇到的錯誤:

1. urllib.error.URLError:<urlopen error[SSL:CERTIFICATE_VERIFY_FAILED]

   解決辦法: 開啟../../anaconda3/envs/yolov5/Lib/urllib中的request.py文件，並新增以下兩行在檔案的import library區。

   import ssl
   ssl._create_default_https_context = ssl._create_unverified_context
   

2. out of memory:

   解決辦法: 將模型訓練的輸入影像大小或是batch設小一點。

這邊同樣只演示能成功進行訓練的步驟，沒有讓訓練跑到底，後續回到宿舍後，會利用散熱效果較好的桌上型電腦進行訓練，並在最後的幾篇文章中，統一將每一代的YOLO訓練結果數據進行展示。