[YOLO专题-18]：YOLO V5 - ultralytics代码解析-总体架构

Posted 2022-02-03 文火冰糖的硅基工坊

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122356975

---

目录

第1章 YOLO V5代码官方链接

第2章 YOLO V5代码处理流程

第3章 工程代码结构

3.1 根目录

3.2 子目录

---

第1章 YOLO V5代码官方链接

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLiteYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5

第2章 YOLO V5代码处理流程

 基本流程是：

• 输入数据与数据加载dataload
• 数据预处理（数据增强）
• 模型建立
• 模型训练
• 数据后处理

上述过程与torchvision的过程也基本是一致的。

torchvision 是PyTorch中专门用来处理图像的库，这个包中有四个大类。

torchvision.datasets     =》数据集加载

torchvision.models       =》 模型与模型训练

torchvision.transforms =》数据增强

torchvision.utils           =》常用的工具集
 

第3章 工程代码结构

3.1 根目录

detect：目标预测的主代码，用来图片进行目标检测

train：   模型训练的主代码

val：     模型评估的主代码

tutorial：快速使用入门jupter代码示例，通过该示例代码，可以快速学习使用train模型、评估模型val、应用模型detect。

export：  把yolo V5的预训练模型yolov5？.pt转换成*.onnx格式，以便于图形化显示模型。

README：readme文件

Requirements：安装YOLO V5的依赖文件

3.2 子目录

\\data：数据预处理程序以及一些自带的测试图片

|----各种数据集的配置文件（不包括数据集自身）

|----自带的测试图片

\\models：模型的建立、初始化、预测、配置程序

|----各种模型的配置文件

|----模型的公共模块

\\utils：一些常用的工具程序

|----activation：激活函数

|----Augmentations：图像数据扩增

|----autoanchor：自动的预选框设置

|----autobatch：batch

|----callbacks：

|----datasets：数据增强

|----downloads：数据集和模型的自动下载

|----general：通用的工具

|----loss的计算

|----metrics：性能度量

|---plots：画图工具

|----torch_utils：pytorch的工具

\\runs：程序每次的运行结果

|----\\detect

|----\\train

      |----\\expx: 每一次运行，生成新的目录

            |----\\weight：本次训练的模型权重文件，包括best和latest

            |----*.jpg：包含目标检测框的图片、训练结果的可视化图片等

            |---其他log文件

---

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122356975