使用YOLOv7网络进行检测
- 前言
- 1. 准备文件
- 2. 搭建运行环境
- 3. 进行预测
- 总结
前言
- 今天要从头开始配置YOLOv7的运行环境，并且用detect.py检测一张图片。
- 首先要下载代码（如果github下载慢，可以存到码云中在下载），解压后用编译器在文件目录下创建工程，我使用的是pycharm。
- 在使用别人的代码时，首先要重点看README.md文件，这个文件里面讲了代码要如何使用。
- 打开README.md文件后，点击下载YOLOv7的网络参数文件，这里有6个版本可供选择。
- 每个版本后面都有对性能的描述，可以按需选择，我下载了第一个YOLOv7，在下载后将文件移动到工程目录下。
- YOLOv7的环境是特别容易搭建的，搭建环境时我建议用Anaconda创建一个Python 3.7.13的虚拟环境（创建虚拟环境教程），防止不同工程之间产生版本冲突
- 打开detect.py文件后在文件夹中创建新项目
- 进入终端后输入pip install -r requirements.txt 安装所需要的包
- 安装成功后环境就搭建完成了
- 在终端里输入指令 python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg
- 或者直接 Run detect.py也可以进行预测
注意：工程存放路径必须是全英文，不然可能会出很多问题，例如：图片无法读取、项目无法运行。
检测效果图：
本文简单介绍了如何使用YOLOv7进行预测，包括：文件准备；运行环境的搭建；进行预测。
以上就是今天要讲的内容，如果有问题，欢迎在评论区留言。
