YOLO V5
物体检测，包括手部检测。
项目介绍
手部检测
手部检测示例如下 ：
- 视频示例：
项目配置
- 作者开发环境：
- Python 3.7
- PyTorch >= 1.5.1
数据集
手部检测数据集
该项目数据集采用 TV-Hand 和 COCO-Hand (COCO-Hand-Big 部分) 进行制作。
TV-Hand 和 COCO-Hand数据集官网地址 http://vision.cs.stonybrook.edu/~supreeth/
感谢数据集贡献者。
Paper：
Contextual Attention for Hand Detection in the Wild. S. Narasimhaswamy, Z. Wei, Y. Wang, J. Zhang, and M. Hoai, IEEE International Conference on Computer Vision, ICCV 2019.
所有数据集的数据格式
size是全图分辨率， (x，y) 是目标物体中心对于全图的归一化坐标，w,h是目标物体边界框对于全图的归一化宽、高。
dw = 1./(size[0])
dh = 1./(size[1])
x = (box[0] + box[1])/2.0 - 1
y = (box[2] + box[3])/2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
为了更好了解标注数据格式，可以通过运行 show_yolo_anno.py 脚本进行制作数据集的格式。注意配置脚本里的path和path_voc_names，path为标注数据集的相关文件路径，path_voc_names为数据集配置文件。
制作自己的训练数据集
- 如下所示,每一行代表一个物体实例，第一列是标签，后面是归一化的中心坐标(x,y),和归一化的宽(w)和高(h)，且每一列信息空格间隔。归一化公式如上，同时可以通过show_yolo_anno.py进行参数适配后，可视化验证其正确性。
label x y w h
0 0.6200393316313977 0.5939000244140625 0.17241466452130497 0.14608001708984375
0 0.38552491996544863 0.5855700073242187 0.14937006832733554 0.1258599853515625
0 0.32889763138738515 0.701989990234375 0.031338589085055775 0.0671400146484375
0 0.760577424617577 0.69422998046875 0.028556443261975064 0.0548599853515625
0 0.5107086662232406 0.6921500244140625 0.018792660530470802 0.04682000732421875
0 0.9295538153861138 0.67602001953125 0.03884511231750328 0.01844000244140625
预训练模型
从零开始预训练模型
手部检测预训练模型
- 包括yolo_v5预训练模型图像输入尺寸640。
- 预训练模型下载地址(百度网盘 Password: x7d4 )
项目使用方法
数据集可视化
- 根目录下运行命令： show_yolo_anno.py (注意脚本内相关参数配置 )
模型训练
- 根目录下运行命令： python train.py (注意脚本内相关参数配置 )
模型推理
- 根目录下运行命令： python video.py (注意脚本内相关参数配置 )
248 Oct 21, 2022
53 Oct 05, 2022
53 Jan 01, 2023
223 Jan 04, 2023
54 Dec 17, 2022
7 Dec 06, 2022
1 Jan 27, 2022
27 Dec 14, 2022
73 Dec 02, 2022
8 Oct 29, 2022
81 Dec 15, 2022
87 Oct 10, 2022
0 Nov 29, 2021
232 Dec 31, 2022
1.2k Dec 29, 2022
1 Dec 13, 2021
39 Dec 16, 2022
4.7k Jan 01, 2023
23 Jul 21, 2022
2 Jan 06, 2022