一、前言

1.代码在我的资源里下载。 代码链接：t.csdn.cn/MFdn5

2.本文不会讲解关于yolov5的理论问题，只是教大家实操，这篇文章可以帮助大家学会yolov5的训练与识别，本文使用穿越火线（cf）为例。

二、视频识别

我们先看效果。

后续链接

五、1.mydata.yaml

copy一下coco128.yaml文件到my_dates下并改名为mydata

然后修改里面的参数：

（1）先将path注释掉（别忘记注释） ，然后将train和val改为存放训练集图片的位置

train: my_dates/images/train val: my_dates/images/train （2）然后将nc 改为标签个数（我们这里是2）,names里面改为我们的标签名。

别忘了注释path

2.mydata_1.yaml

copy一下yolov5s.yaml文件到my_dates下并改名为mydata_1。（yolov5s效果最差但速度最快我们可以根据自己的情况选择模型）

然后修改里面的参数：

这里只需要将第四行的nc改为2（标签个数） 。

七、训练模型

我们要对train.py文件进行修改。

1.为了防止编码出错，with open后面要加上encoding=’utf-8’，要改好几处，可以用ctrl+F查找with open。

2.我们还要改多处default的值，在代码的480行左右。（改的全是default的值）。

一共要修改六处，最后一处稍微靠下一点。

第四处如果电脑配置好的话可以不用修改。

最后运行：

时间有点长（一小时左右）！！！！

如果报错根据实际情况修改一下就ok

结果会放在下面路径下

八、测试视频 我们只需修改detect.py文件夹下的权重路径和测试路径。（210行左右）

只需要将需要预测的视频或图片放在下面文件夹下，

然后运行detect.py就ok了！！！！！！

结果放在 （每次运行都会生成一个新的exp,所以我这是exp7）

九、总结 我们本次只是识别穿越火线中的人物，还没有实现自动瞄准，我只用了一百张图片进行预测，预测效果不是很好，你可以增加些图片进行训练。

后期还会更新！！！！！！！！！！！！！！！！！！！