【支持二次开发】基于YOLO系列的车辆行人检测 | 含完整源码、数据集、环境配置和训练教程
【支持二次开发】基于YOLO系列的车辆行人检测 | 含完整源码、数据集、环境配置和训练教程_哔哩哔哩_bilibili
系统能够自动显示目标总数、行人数目、车辆数目，实时计算并显示检测用时，性能优良
（创新点）可鼠标点击目标查看类型、置信度、位置坐标等详细信息
（创新点）采用onnx算子进行加速，提高实时检测的性能
可提供：
1.提供整理好的yolo格式的数据集
2.提供详细的训练和导出方法，可以使用自己的模型
3.实时视频，摄像头，图片检测
4.代码简洁，有注释
5.提供训练好的yolov8,v9,v10,v11等模型
获取源码、训练好的权重、数据集、说明文档：
https://m.tb.cn/h.6Yy0KLw?tk=BRFResuRxrW
训练自己的模型
- 前提说明：确保自己电脑有英伟达显卡来训练，否则使用CPU训练会很慢；确保自己电脑配置有anaconda，cuda，cudnn等深度学习基本环境。
- 点击电脑左下角搜索框，搜索：Anaconda Prompt并打开
- 输入这条命令来创建一个新的虚拟环境，注意环境名称必须是全英文：
conda create -n 你的环境名 python=3.9
例如：
conda create -n cardet python=3.9
- 等待片刻，当出现如下内容时输入：y
- 等待安装完成，当出现如下界面时说明环境创建成功：
- 接着输入以下命令来激活环境：
conda activate 你的环境名
例如：
conda activate cardet - 解压你购买的源码压缩包，将其中ultralytics-main.zip压缩包解压至你的项目文件目录下，例如解压至D:\research\A_Vital\keyan\cv\Projects\cardet下：
- 然后在anaconda prompt中输入以下命令切换至上述文件目录下：
首先输入以下命令切换至D盘：
D:
接着输入以下命令切换文件目录：
cd D:\research\A_Vital\keyan\cv\Projects\cardet\ultralytics-main
- 输入以下命令来配置环境：
pip install -r requirements.txt
等待安装完成，接着输入以下命令安装pytroch和torchvision:
pip install torch==2.0.0 torchvision==0.15.1 --index-url https://download.pytorch.org/whl/cu118
等待安装完成，如果安装速度很慢，可能是没有使用国内镜像源，如何设置国内镜像源可参考：Anaconda 添加清华镜像源_conda添加清华源-CSDN博客
安装完成如下：
- 测试pytorch是否可用，输入以下命令：
python
接着输入以下代码，第一行代码输入完成后可能会卡一下，等待出现>>>后再输入下一行代码：
import torch
print(torch.cuda.is_available())
当出现True则说明环境没有问题，界面如下：
输入quit()退出python：
- 以训练YOLOv8为例，其他的YOLO系列也是一样的流程。在ultralytics-main文件夹下找到train.py文件：
点击打开并修改train.py文件如下：
- 在anaconda prompt中输入以下命令开始训练:
python train.py
训练成功如下:
- 训练结果保存在：
你的项目目录\ultralytics-main\runs\detect\train
- 训练完成后，需要导出ONNX模型，在anaconda prompt中输入以下命令：
python export.py
导出成功如下：
在你的项目目录\ ultralytics-main\runs\detect\train\weights下可以找到导出后的模型best.onnx:
- 将导出后的模型放在解压后的CarpersonDetection中的infer\models下即可，后面可以直接在系统使用该模型进行检测
