简介：这是一个基于pytorch实现的Yolov5算法的项目，作为Yolov5算法的复现。可以帮助读者更好的理解 它的网络结构、训练流程、损失计算等。读者也可以使用该仓库训练自己的数据集
Yolov5算法介绍，参考博客：https://blog.csdn.net/qq_40980981/article/details/138960623?spm=1001.2014.3001.5502
项目的详细介绍使用，参考博客：https://blog.csdn.net/qq_40980981/article/details/141791466?spm=1001.2014.3001.5501
torch==1.2.0
pip install -r requirements.txt
仓库使用VOC07+12的数据集作为示例，读者可以根据该数据集格式训练自己的数据集
VOC数据集官网下载地址：
VOC数据集包含目标检测和分割标注，本仓库只需要用到目标检测部分，需要用到下面几个文件夹数据
Annotations:图片目标检测标注信息
ImageSets:存放不同任务的划分的数据集（本项目会从新划分训练验证）
JPEGImages:这里存放的就是JPG格式的原图，包含17125张彩色图片，2913张是用于分割的
数据集下载好需要用voc_annotation.py脚本来划分训练验证，修改脚本中VOCdevkit_path指向数据集目录， 该脚本执行完会，会在数据集目录创建2007_train.txt和2007_val.txt，用于训练。也可以直接从百度网盘下载作者处理好的数据集
百度网盘地址: https://pan.baidu.com/s/1MF5e8wgdkJ6kFjnNhhLfXA?pwd=dtcr 提取码: dtcr
python voc_annotation.py
train.py中训练配置了训练voc数据集的模型参数，直接运行python train.py即可。模型训练的结果数据会保存在--save_dir参数制定的文件中
python train.py
predict.py模型预测脚本，支持单张图片预测、视频检测和遍历文件夹进行检测并保存,可以修改--mode参数来指定你需要预测的类型。 比如预测单张图片，可视化显示：
python predict.py --mode 'predict' --img_path './data/VOC2007/JPEGImages/2007_000027.jpg'
eval.py脚本可以测试模型在VOC测试集上的性能指标，比如计算IOU阈值为0.5时的mAP:
python eval.py --map_out_path 'map_out' --MINOVERLAP 0.5