ICCV红路灯检测说明文档

记录第一次参加比赛的说明文档，里面主要是Docker操作

1.算法整体描述

参考yolov5，将你们提供的数据集转换为符合yolov5模型的数据集

采用的网络架构是yolov5x

2.解决思路

就是将数据转换为符合模型要求的数据，并把输出转换为你们要求的格式，模型训练过程中修改了学习率超参数，以及多次尝试进行训练次数的调整

下面是具体的训练和测试过程：

训练模型

选准备好训练数据集，训练数据集存放在datasets文件夹下

训练数据标注格式需要由json格式转换为txt格式文件

并在data文件下新建相应的.yaml文件用来引导模型加训练数据

---

一切就绪以后，开始训练，执行下面命令

python train.py --img 640 --batch 4 --epochs 2 --data ./data/traffic_light.yaml --weights ./yolov5x.pt --cfg ./models/yolov5x.yaml

--weights 指的是预训练权重，--cfg 指定的是模型对应的yaml文件，--data指定第一步你创建的引导训练数据加载的.yaml文件

测试训练好的模型

python detect.py

会对task1文件夹下的图片进行预测，除了在指定文件夹下生成json文件外，还会生成标注后的图像在run/detect/文件夹下

3.架构设计

参考yolov5x

4.运行指令

先把与说明文档同级的镜像文件task1_干就完事了.tar导入你的docker中：

docker load -i task1_干就完事了.tar

此时你的docker中会多出一个镜像traffic_light_yolov5:v2.0

---

用上述镜像启动docker容器，将需要测试的数据集挂载到/task1文件夹下：

docker run --gpus all -it -v 你的电脑测试数据集所在文件夹:/task1 traffic_light_yolov5:v2.0 /bin/bash

---

启动之后直接在执行：

python detect.py

就能在/task1_result/干就完事了文件夹下看到输出结果

---

训练指令为：（自行更改batch，epochs等参数）
python train.py --img 640 --batch 4 --epochs 2 --data ./data/traffic_light.yaml --weights ./yolov5x.pt --cfg ./models/yolov5x.yaml