简介基于YOLOV5的交通标志识别检测项目面向计算机视觉与深度学习方向的毕业设计、课程作业等场景适合需要完整可运行方案的Python开发者可快速实现标志检测与识别功能。资源包共266个文件、423MB涵盖yaml模型配置、py训练与推理脚本、pt预训练权重、jpg/jpeg图像样本、xml标注与csv训练日志等并附带sh环境配置脚本、Dockerfile与说明文档数据集、代码、模型齐全覆盖限速、停止等多种常见标志类别可支撑从数据准备、模型训练到推理验证的全流程复现。代码注释详细操作界面简洁功能模块完整简单部署即可运行使用还可根据需求扩展或优化模型结构。目前已有105人学习下载作为个人手打高分项目具有较好的参考价值适合用于毕业设计答辩、期末大作业等场景。1. 为什么“PythonYOLOV5交通标志识别”是毕业设计里最容易跑通的组合每年三四月份总有一批要做毕业设计的同学在目标检测方向里挑题目。交通标志识别看起来不是最难的但真做起来坑不少模型能跑但检测不准、公开数据集格式对不上、训练完不知道用什么指标向答辩老师交代。选择 Python 加 YOLOV5 这条技术路线原因很直接YOLOV5 自带数据加载、增强、训练、验证、导出全链路上手成本被压缩到“整理数据 调参”两个环节。下面的内容会从环境部署、数据集转换、模型训练、推理验证整个流程走一遍新手照着命令操作能跑通熟手也能从中看到一些容易踩的边界。这个组合特别适合以“高分毕业设计项目”为目标的场景因为能跑通只是基本分数据和评估做得完整才是加分项。2. YOLOV5环境搭建与基线验证先跑通再谈训练2.1 Python 版本与虚拟环境为什么不建议直接装在系统里YOLOV5 对 Python 版本不敏感但依赖的 PyTorch 与系统自带的 Python 环境很容易冲突。很多同学的服务器或本机已经装了 Python 3.6 或者某些项目依赖的旧版本包直接 pip install 会把系统环境搞得一团糟而且后面安装 OpenCV、PyYAML 等依赖时权限问题频繁出现。常见做法是先建一个独立的虚拟环境。conda 可以同时管理 Python 版本和包依赖比 venv 在处理 CUDA 相关包时更省事所以我一般用 conda 来装 PyTorch。conda create -n yolov5 python3.9 -y conda activate yolov5 pip install torch torchvision pip install -r requirements.txt第一条命令创建名为 yolov5 的独立环境指定 Python 3.9-y 跳过确认。第二条激活环境之后的安装都只影响这个环境。pip install torch torchvision 会安装与当前系统匹配的 PyTorch如果你需要特定 CUDA 版本可以去 PyTorch 官方 whl 索引选择对应组合这里不展开。requirements.txt 是 YOLOV5 仓库自带的依赖清单包含 numpy、opencv-python、matplotlib、pyyaml、tqdm 等训练和推理常用的库。装完后可以用 python -c import torch; print(torch.cuda.is_available()) 确认 GPU 是否可用。提示如果网络下载较慢可以给 pip 加 -i 参数换成国内镜像源依赖版本不受影响。2.2 克隆官方仓库并用最小命令验证推理YOLOV5 的代码结构适合直接拿来改不建议从零实现检测器。克隆官方仓库后detect.py 就是推理入口。推荐第一次先跑默认 demo 图确认整条推理链路正常再引入自己的数据和权重。git clone https://github.com/ultralytics/yolov5 cd yolov5 python detect.py --weights yolov5s.pt --source data/imagesyolov5s 是参数量最小的标准版权重文件约 14MB。第一次运行时如果本机没有对应文件YOLOV5 会自动下载并缓存到项目根目录。data/images 目录里有两张默认测试图跑完后结果保存在 runs/detect/exp里面是画好框的图片。--source 后面可以接单张图片路径、某目录、视频文件或者 0代表摄像头这个参数在后面的道路标志实测里会反复用到。如果这一步输出正常的检测框而不是报错说明 PyTorch、OpenCV、模型加载都没问题。2.3 用一次单轮训练把训练链路也验证掉如果只验证推理训练时的数据加载、损失计算、梯度回传仍然可能在后面抽风。所以环境配置完成后我会顺手跑一次单轮小训练python train.py --data coco128.yaml --epochs 1 --batch-size 4这条命令会下载 COCO128 演示数据集约 6MB 图片只完整跑一个 epoch目的是验证数据读取、模型初始化、前向和反向传播、日志记录都能正常工作。因为只训练一轮几分钟就能结束即使显卡只有 4GB 显存也能跑。通过后环境这一关才算真正过完。下面给出一个比较保险的版本组合作为配置环境时的参照组件建议版本/范围注意点Python3.8 - 3.113.9 兼容性最好避免 3.12 以上PyTorch1.10 - 2.1以 YOLOV5 默认代码运行结果为准CUDA11.x / 12.x要与 PyTorch 编译版本对应显卡显存6GB 以上640 输入分辨率下训练更从容这个表列的是通用安全区间不用追求最新版本。PyTorch 2.x 的编译优化对这个项目影响不大稳定比性能重要。3. 交通标志数据集准备从 XML 到 YOLO 训练样本的格式转换与划分3.1 常见公开数据集与选择逻辑交通标志识别在毕设里常用的是 GTSRB 和 TT100K两者的标注粒度不同下载和转换方式也有差异。GTSRB 是德国场景图片按标志类别分文件夹标注以 CSV 给出适合做分类任务TT100K 是中文交通场景数据标注以 JSON 格式按矩形框保存更贴近目标检测场景。如果从路测视频自己截帧标注量会非常大不建议纯手工一张张画框常见做法是先用一个已有的 YOLO 模型做预标注再人工检查和修正。不管选哪个来源第一步都是把它转成 YOLOV5 能读的格式也就是每张图片对应一个同名 .txt 文件。3.2 把 VOC XML 转成 YOLO TXT 的脚本YOLOV5 的标签格式是每行一个目标类别序号 中心点x 中心点y 框宽 框高全部相对图片宽高归一化。下面这个脚本处理最常见的 Pascal VOC XML 标注适用于从 LabelImg 或部分公开项目导出的数据。import xml.etree.ElementTree as ET from pathlib import Path CLASSES [speed_limit, no_entry, warning, stop, yield] def voc2yolo(xml_path, out_path): root ET.parse(xml_path).getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in CLASSES: continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) cx (xmin xmax) / 2 / w cy (ymin ymax) / 2 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{CLASSES.index(name)} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) Path(out_path).write_text(\n.join(lines)) xml_dir Path(annotations) txt_dir Path(labels) txt_dir.mkdir(exist_okTrue) for xml_file in xml_dir.glob(*.xml): voc2yolo(str(xml_file), str(txt_dir / (xml_file.stem .txt)))这段逻辑的核心是 CLASSES 列表列表顺序就是训练时类别编号的顺序不能中途随便改否则后面 data.yaml 里的 names 和它不一致时模型学到的类别会错位。坐标转成中心点加宽高之后要记得做归一化因为训练时 YOLOV5 会把图片统一缩放到 img-size绝对像素坐标在缩放后就不对了。脚本最后批量遍历 annotations 目录把每张图的 XML 转成同名 txt 存入 labels 目录。xml.etree.ElementTree 是标准库不需要额外安装依赖。转换时容易忽略 bndbox 和 size 的字段位置不同标注工具导出的 XML 结构会略有不同可以先打开一个 XML 文件确认路径。VOC 和 YOLO 格式的差异可以对照下表维度VOC XMLYOLO TXT类别表示字符串 name整数编号坐标基准绝对像素坐标归一化相对坐标框描述xmin, ymin, xmax, ymaxcx, cy, w, h存储单位一个目标一个 XML 节点一行一个目标3.3 训练集与验证集划分和目录规范YOLOV5 期望的目录结构是 images 和 labels 拆开每组下面再分 train、val。原因是训练时通过路径字符串去查找同名标签文件而不是把标签嵌入图片文件名。标准结构可以按如下方式组织datasets/traffic_sign/ images/train/xxx.jpg images/val/yyy.jpg labels/train/xxx.txt labels/val/yyy.txt data.yaml注意 images 和 labels 里的文件名必须完全同名只是扩展名不同。划分时按图片列表随机打散再按比例分别复制图片与标签保证两个集合不重叠。下面这段脚本完成这个操作并顺手丢弃没有对应标签的图片import random, shutil from pathlib import Path src_img Path(images_all) src_txt Path(labels_all) ratio 0.8 random.seed(2025) imgs sorted(src_img.glob(*.jpg)) sorted(src_img.glob(*.png)) random.shuffle(imgs) split int(len(imgs) * ratio) for i, img in enumerate(imgs): label src_txt / (img.stem .txt) if not label.exists(): continue # 没标注的图留给后续人工检查 sub train if i split else val (Path(images) / sub).mkdir(parentsTrue, exist_okTrue) (Path(labels) / sub).mkdir(parentsTrue, exist_okTrue) shutil.copy(img, Path(images) / sub / img.name) shutil.copy(label, Path(labels) / sub / label.name)ratio 表示训练集占比0.8 是常见划分小数据集可以适当提高到 0.9但验证集会变薄mAP 波动会变大。seed 固定为 2025 是为了让结果可复现提交毕设时可以直接说明划分方式。采用逐张复制而不是移动原始文件能保留一份跑坏了大不了重新来。3.4 用 OpenCV 画框检查标注质量这一步很多人会跳过直到训练出来的 mAP 是 0 才回来排查。用画框脚本直观检查转换后的标注是否贴住目标是性价比最高的数据质检方式。检查逻辑很简单读取一张图再读它同名的 txt把每行解析成类别和坐标画成矩形并输出成一张新图。import cv2 img cv2.imread(images/train/123.jpg) with open(labels/train/123.txt) as f: for line in f: cls, cx, cy, bw, bh map(float, line.split()) x int((cx - bw / 2) * img.shape[1]) y int((cy - bh / 2) * img.shape[0]) w int(bw * img.shape[1]) h int(bh * img.shape[0]) cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2) cv2.imwrite(check.jpg, img)txt 每行读取后直接按空格切分第一个值是类别编号后面四个是归一化坐标。由于存的时候是归一化的画框时需要乘以图片实际宽高转回像素坐标。转换回来后的 x、y 是左上角坐标w、h 是实际像素宽高。检查时随机抽 20 到 50 张重点看标志是否被完整框住、有没有类别标错、有没有出现空 txt 文件。空 txt 文件会让 YOLOV5 在训练时跳过该图如果空标签比例超过 10%说明标注源本身有问题。4. YOLOV5训练交通标志模型关键超参数、数据增强与日志解读4.1 data.yaml 是训练的第一道关卡训练自己的数据集时最常犯的错误不是命令写错而是 data.yaml 中的路径与类别配置不对。YOLOV5 通过 data.yaml 同时读取图片目录和标注目录并按照 names 列表解释每一个类别编号。一份完整的配置文件可以写成下面这样path: datasets/traffic_sign train: images/train val: images/val nc: 5 names: [speed_limit, no_entry, warning, stop, yield]path 字段指定数据集的根目录train 与 val 使用相对路径YOLOV5 会在运行时把它们拼成完整路径。nc 必须与 names 的长度一致names 的顺序要与前面转换脚本中的类别序号完全一致。如果类别序号错位训练曲线看起来正常实际预测结果会全部乱掉。即使数据集中只有几张图也建议把 names 里的名字起得有含义因为后面评估时 confusion matrix 会直接使用这些字符串作为轴标签。4.2 训练命令与关键超参数选择准备好 data.yaml 后就可以开始“yolov5训练自己的数据集”了。默认用 yolov5s 作为预训练权重收敛快且显存压力小。交通标志往往在画面中占比较小可以从 640 分辨率开始效果不理想再上 960。python train.py \ --data traffic_sign.yaml \ --weights yolov5s.pt \ --img 640 \ --batch-size 16 \ --epochs 100 \ --cache ram \ --device 0--img 640 是训练输入分辨率640 是精度和速度的平衡点提高到 960 对小目标更友好但显存占用会变成原来的 2.25 倍。--batch-size 16 在 8GB 显存下比较合适显存不够优先降到 8而不是去调小分辨率。--cache ram 把图片一次性缓存到内存几千张的小数据集能明显减少训练时磁盘等待内存不够时可以改成 --cache disk。--epochs 100 对交通标志这类目标不算少60 轮左右基本能看到稳定结果后面的轮数主要为了把 mAP 再往上推几个点。训练相关的超参数在 YOLOV5 里通过 --hyp 指定超参文件默认使用 data/hyps/hyp.scratch-low.yaml。下面几个是交通标志场景里最值得调整的参数超参数默认值交通标志场景建议lr00.01数据集小于 5000 张时降到 0.005mosaic1.0小目标多可保持 1.0类别少可降到 0.5hsv_h0.015光照变化大时可适当提高hsv_s0.7增加饱和度扰动增强泛化fliplr0.5左右翻转不改变标志语义保持 0.5修改超参文件后通过 --hyp path/to/hyp.yaml 传入。lr0 不是越低越好过低会收敛慢在有限 epoch 下反而欠拟合小数据集降学习率是为了降低过拟合风险配合 mosaic 减半一起调整效果更好。4.3 训练日志怎么读先看 loss 曲线再看 mAP训练启动后 YOLOV5 会输出进度条包含 box_loss、cls_loss、obj_loss、precision、recall、mAP 等指标。最容易犯的错误是只盯着 mAP 看其实训练初期 mAP 会长期保持 0这是正常的因为模型还在学习类别和位置的基本模式。更可靠的方式是关注两条曲线的变化趋势train/box_loss 和 val/box_loss 都持续下降说明模型还在收敛不要停train/box_loss 降、val/box_loss 回升说明过拟合检查数据增强或数据集量val/box_loss 已经平稳但 mAP 缓慢波动说明可以提前终止。训练过程默认每 10 个 epoch 保存一次 checkpointruns/train/exp/weights/ 里有 best.pt 和 last.pt。评估和后续推理都应该用 best.ptlast.pt 只在恢复训练时才有意义。如果想完全复现训练结果可以在命令里加 --deterministic并在代码里固定好随机种子。4.4 数据增强与训练常见故障处理YOLOV5 内置了 mosaic、mixup、随机仿射变换、HSV 抖动等增强手段。对交通标志来说多尺度增强尤其重要因为同一个标志在画面中可能只占几十个像素也可能占满半个画面固定分辨率训练会限制模型的尺度适应能力。默认超参文件里 scale 参数控制随机缩放范围0.5 对交通标志可以保持调到 0.9 容易把小目标增强成几乎看不见的碎块反而干扰学习。训练过程中实际概率最高的几个问题可以直接对照下表处理现象常见原因处理方式CUDA out of memorybatch-size 或分辨率过大batch-size 减半或 --img 降到 512mAP 一直为 0类别编号与 names 不对应抽查 txt 第一列数字对照 names 检查loss 出现 nan学习率过大或数据集有损坏图片降低 lr0删除无法解码的图片训练一段后卡住磁盘 IO 瓶颈或图片路径大小写不一致检查扩展名使用 --cache ram其中显存不足最常见。毕设通常用单卡 8GB 到 12GB 的机器batch-size 调低是最直接的解法。如果调低后显存还是不够检查是否同时开着多个 Jupyter Notebook 或在后台跑着别的训练进程这些看不见的进程经常把显存占满。5. 验证、推理与导出把模型成果变成看得见的 demo5.1 用 val.py 得到最终评估指标训练完成后val.py 是提交报告时的主要数据来源。它会输出精确率、召回率、mAP0.5、mAP0.5:0.95 等关键指标并生成混淆矩阵图、P-R 曲线等结果这些图可以直接放进毕业设计文档。python val.py \ --data traffic_sign.yaml \ --weights runs/train/exp/weights/best.pt \ --img 640 \ --conf 0.25 \ --iou 0.45--weights 换成训练生成的 best.pt--conf 0.25 表示置信度低于 0.25 的框会被过滤这个值也影响最终 mAP 统计--iou 0.45 是 NMS 的 IoU 阈值评估时一般固定不动。运行完成后runs/val/exp 里会多出 confusion_matrix.png 和 results.csv混淆矩阵能直观看到哪些类别互相混淆。5.2 用 detect.py 跑视频流与摄像头评估指标是一面答辩时更看重实时 demo。detect.py 同时支持图片、视频、摄像头只需要在 --source 里指定输入源就行。python detect.py \ --weights runs/train/exp/weights/best.pt \ --source 0 \ --classes 0 1 2 \ --conf 0.4 \ --line-thickness 2--source 0 表示电脑自带的默认摄像头换成视频文件路径就是离线演示--classes 0 1 2 表示只输出前三个类别画面不会因为无关框显得混乱--conf 在实时场景下提高到 0.4 比训练评估时更合适因为视频每帧都会产生大量低置信度框提高阈值可以过滤掉误检。5.3 导出 ONNX 并用 Profiler 找到推理瓶颈如果最终 demo 的帧率不够第一个要做的不是换模型而是确定瓶颈在哪一个阶段。YOLOV5 把推理拆成预处理、模型前向、NMS 后处理三部分。导出 ONNX 再用 onnxruntime 推理能明显降低前向时间尤其是在 CPU 上python export.py --weights runs/train/exp/weights/best.pt --include onnx --opset 12接着用 onnxruntime 加载并跑一遍import onnxruntime as ort import cv2 import numpy as np sess ort.InferenceSession(best.onnx, providers[CUDAExecutionProvider, CPUExecutionProvider]) img0 cv2.imread(test.jpg) img cv2.resize(img0, (640, 640)) # 简化预处理严格应用 letterbox img img[:, :, ::-1].transpose(2, 0, 1) # BGR-RGB, HWC-CHW img np.ascontiguousarray(img, dtypenp.float32) / 255.0 img np.expand_dims(img, 0) # 增加 batch 维 onnx_input sess.get_inputs()[0].name outputs sess.run(None, {onnx_input: img}) # 原始预测张量需要 NMSproviders 列表顺序表示优先使用 GPU没有 GPU 时才回退到 CPUtranspose 把 HWC 变成 CHW 并归一化除以 255 是为了和训练预处理保持一致。严格来说 YOLOV5 训练前处理是 letterbox 等比缩放加 padding示例里直接用 resize 会降低小目标检测精度实际使用时需要补上 letterbox 逻辑。导出的 ONNX 默认输出未经 NMS 的原始预测张量需要按官方后处理解析。用 time.perf_counter 分别对图像读取、前向、NMS 计时如果前向占大头就继续压缩输入尺寸如果 NMS 占大头把 conf 阈值提高通常立竿见影。把耗时最高的部分从 PyTorch 切换到 ONNX Runtime 后再跑一遍单帧耗时通常能压到几十毫秒级别。本文还有配套的精品资源点击获取
简介基于YOLOV5的交通标志识别检测项目面向计算机视觉与深度学习方向的毕业设计、课程作业等场景适合需要完整可运行方案的Python开发者可快速实现标志检测与识别功能。资源包共266个文件、423MB涵盖yaml模型配置、py训练与推理脚本、pt预训练权重、jpg/jpeg图像样本、xml标注与csv训练日志等并附带sh环境配置脚本、Dockerfile与说明文档数据集、代码、模型齐全覆盖限速、停止等多种常见标志类别可支撑从数据准备、模型训练到推理验证的全流程复现。代码注释详细操作界面简洁功能模块完整简单部署即可运行使用还可根据需求扩展或优化模型结构。目前已有105人学习下载作为个人手打高分项目具有较好的参考价值适合用于毕业设计答辩、期末大作业等场景。1. 为什么“PythonYOLOV5交通标志识别”是毕业设计里最容易跑通的组合每年三四月份总有一批要做毕业设计的同学在目标检测方向里挑题目。交通标志识别看起来不是最难的但真做起来坑不少模型能跑但检测不准、公开数据集格式对不上、训练完不知道用什么指标向答辩老师交代。选择 Python 加 YOLOV5 这条技术路线原因很直接YOLOV5 自带数据加载、增强、训练、验证、导出全链路上手成本被压缩到“整理数据 调参”两个环节。下面的内容会从环境部署、数据集转换、模型训练、推理验证整个流程走一遍新手照着命令操作能跑通熟手也能从中看到一些容易踩的边界。这个组合特别适合以“高分毕业设计项目”为目标的场景因为能跑通只是基本分数据和评估做得完整才是加分项。2. YOLOV5环境搭建与基线验证先跑通再谈训练2.1 Python 版本与虚拟环境为什么不建议直接装在系统里YOLOV5 对 Python 版本不敏感但依赖的 PyTorch 与系统自带的 Python 环境很容易冲突。很多同学的服务器或本机已经装了 Python 3.6 或者某些项目依赖的旧版本包直接 pip install 会把系统环境搞得一团糟而且后面安装 OpenCV、PyYAML 等依赖时权限问题频繁出现。常见做法是先建一个独立的虚拟环境。conda 可以同时管理 Python 版本和包依赖比 venv 在处理 CUDA 相关包时更省事所以我一般用 conda 来装 PyTorch。conda create -n yolov5 python3.9 -y conda activate yolov5 pip install torch torchvision pip install -r requirements.txt第一条命令创建名为 yolov5 的独立环境指定 Python 3.9-y 跳过确认。第二条激活环境之后的安装都只影响这个环境。pip install torch torchvision 会安装与当前系统匹配的 PyTorch如果你需要特定 CUDA 版本可以去 PyTorch 官方 whl 索引选择对应组合这里不展开。requirements.txt 是 YOLOV5 仓库自带的依赖清单包含 numpy、opencv-python、matplotlib、pyyaml、tqdm 等训练和推理常用的库。装完后可以用 python -c import torch; print(torch.cuda.is_available()) 确认 GPU 是否可用。提示如果网络下载较慢可以给 pip 加 -i 参数换成国内镜像源依赖版本不受影响。2.2 克隆官方仓库并用最小命令验证推理YOLOV5 的代码结构适合直接拿来改不建议从零实现检测器。克隆官方仓库后detect.py 就是推理入口。推荐第一次先跑默认 demo 图确认整条推理链路正常再引入自己的数据和权重。git clone https://github.com/ultralytics/yolov5 cd yolov5 python detect.py --weights yolov5s.pt --source data/imagesyolov5s 是参数量最小的标准版权重文件约 14MB。第一次运行时如果本机没有对应文件YOLOV5 会自动下载并缓存到项目根目录。data/images 目录里有两张默认测试图跑完后结果保存在 runs/detect/exp里面是画好框的图片。--source 后面可以接单张图片路径、某目录、视频文件或者 0代表摄像头这个参数在后面的道路标志实测里会反复用到。如果这一步输出正常的检测框而不是报错说明 PyTorch、OpenCV、模型加载都没问题。2.3 用一次单轮训练把训练链路也验证掉如果只验证推理训练时的数据加载、损失计算、梯度回传仍然可能在后面抽风。所以环境配置完成后我会顺手跑一次单轮小训练python train.py --data coco128.yaml --epochs 1 --batch-size 4这条命令会下载 COCO128 演示数据集约 6MB 图片只完整跑一个 epoch目的是验证数据读取、模型初始化、前向和反向传播、日志记录都能正常工作。因为只训练一轮几分钟就能结束即使显卡只有 4GB 显存也能跑。通过后环境这一关才算真正过完。下面给出一个比较保险的版本组合作为配置环境时的参照组件建议版本/范围注意点Python3.8 - 3.113.9 兼容性最好避免 3.12 以上PyTorch1.10 - 2.1以 YOLOV5 默认代码运行结果为准CUDA11.x / 12.x要与 PyTorch 编译版本对应显卡显存6GB 以上640 输入分辨率下训练更从容这个表列的是通用安全区间不用追求最新版本。PyTorch 2.x 的编译优化对这个项目影响不大稳定比性能重要。3. 交通标志数据集准备从 XML 到 YOLO 训练样本的格式转换与划分3.1 常见公开数据集与选择逻辑交通标志识别在毕设里常用的是 GTSRB 和 TT100K两者的标注粒度不同下载和转换方式也有差异。GTSRB 是德国场景图片按标志类别分文件夹标注以 CSV 给出适合做分类任务TT100K 是中文交通场景数据标注以 JSON 格式按矩形框保存更贴近目标检测场景。如果从路测视频自己截帧标注量会非常大不建议纯手工一张张画框常见做法是先用一个已有的 YOLO 模型做预标注再人工检查和修正。不管选哪个来源第一步都是把它转成 YOLOV5 能读的格式也就是每张图片对应一个同名 .txt 文件。3.2 把 VOC XML 转成 YOLO TXT 的脚本YOLOV5 的标签格式是每行一个目标类别序号 中心点x 中心点y 框宽 框高全部相对图片宽高归一化。下面这个脚本处理最常见的 Pascal VOC XML 标注适用于从 LabelImg 或部分公开项目导出的数据。import xml.etree.ElementTree as ET from pathlib import Path CLASSES [speed_limit, no_entry, warning, stop, yield] def voc2yolo(xml_path, out_path): root ET.parse(xml_path).getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in CLASSES: continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) cx (xmin xmax) / 2 / w cy (ymin ymax) / 2 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{CLASSES.index(name)} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) Path(out_path).write_text(\n.join(lines)) xml_dir Path(annotations) txt_dir Path(labels) txt_dir.mkdir(exist_okTrue) for xml_file in xml_dir.glob(*.xml): voc2yolo(str(xml_file), str(txt_dir / (xml_file.stem .txt)))这段逻辑的核心是 CLASSES 列表列表顺序就是训练时类别编号的顺序不能中途随便改否则后面 data.yaml 里的 names 和它不一致时模型学到的类别会错位。坐标转成中心点加宽高之后要记得做归一化因为训练时 YOLOV5 会把图片统一缩放到 img-size绝对像素坐标在缩放后就不对了。脚本最后批量遍历 annotations 目录把每张图的 XML 转成同名 txt 存入 labels 目录。xml.etree.ElementTree 是标准库不需要额外安装依赖。转换时容易忽略 bndbox 和 size 的字段位置不同标注工具导出的 XML 结构会略有不同可以先打开一个 XML 文件确认路径。VOC 和 YOLO 格式的差异可以对照下表维度VOC XMLYOLO TXT类别表示字符串 name整数编号坐标基准绝对像素坐标归一化相对坐标框描述xmin, ymin, xmax, ymaxcx, cy, w, h存储单位一个目标一个 XML 节点一行一个目标3.3 训练集与验证集划分和目录规范YOLOV5 期望的目录结构是 images 和 labels 拆开每组下面再分 train、val。原因是训练时通过路径字符串去查找同名标签文件而不是把标签嵌入图片文件名。标准结构可以按如下方式组织datasets/traffic_sign/ images/train/xxx.jpg images/val/yyy.jpg labels/train/xxx.txt labels/val/yyy.txt data.yaml注意 images 和 labels 里的文件名必须完全同名只是扩展名不同。划分时按图片列表随机打散再按比例分别复制图片与标签保证两个集合不重叠。下面这段脚本完成这个操作并顺手丢弃没有对应标签的图片import random, shutil from pathlib import Path src_img Path(images_all) src_txt Path(labels_all) ratio 0.8 random.seed(2025) imgs sorted(src_img.glob(*.jpg)) sorted(src_img.glob(*.png)) random.shuffle(imgs) split int(len(imgs) * ratio) for i, img in enumerate(imgs): label src_txt / (img.stem .txt) if not label.exists(): continue # 没标注的图留给后续人工检查 sub train if i split else val (Path(images) / sub).mkdir(parentsTrue, exist_okTrue) (Path(labels) / sub).mkdir(parentsTrue, exist_okTrue) shutil.copy(img, Path(images) / sub / img.name) shutil.copy(label, Path(labels) / sub / label.name)ratio 表示训练集占比0.8 是常见划分小数据集可以适当提高到 0.9但验证集会变薄mAP 波动会变大。seed 固定为 2025 是为了让结果可复现提交毕设时可以直接说明划分方式。采用逐张复制而不是移动原始文件能保留一份跑坏了大不了重新来。3.4 用 OpenCV 画框检查标注质量这一步很多人会跳过直到训练出来的 mAP 是 0 才回来排查。用画框脚本直观检查转换后的标注是否贴住目标是性价比最高的数据质检方式。检查逻辑很简单读取一张图再读它同名的 txt把每行解析成类别和坐标画成矩形并输出成一张新图。import cv2 img cv2.imread(images/train/123.jpg) with open(labels/train/123.txt) as f: for line in f: cls, cx, cy, bw, bh map(float, line.split()) x int((cx - bw / 2) * img.shape[1]) y int((cy - bh / 2) * img.shape[0]) w int(bw * img.shape[1]) h int(bh * img.shape[0]) cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2) cv2.imwrite(check.jpg, img)txt 每行读取后直接按空格切分第一个值是类别编号后面四个是归一化坐标。由于存的时候是归一化的画框时需要乘以图片实际宽高转回像素坐标。转换回来后的 x、y 是左上角坐标w、h 是实际像素宽高。检查时随机抽 20 到 50 张重点看标志是否被完整框住、有没有类别标错、有没有出现空 txt 文件。空 txt 文件会让 YOLOV5 在训练时跳过该图如果空标签比例超过 10%说明标注源本身有问题。4. YOLOV5训练交通标志模型关键超参数、数据增强与日志解读4.1 data.yaml 是训练的第一道关卡训练自己的数据集时最常犯的错误不是命令写错而是 data.yaml 中的路径与类别配置不对。YOLOV5 通过 data.yaml 同时读取图片目录和标注目录并按照 names 列表解释每一个类别编号。一份完整的配置文件可以写成下面这样path: datasets/traffic_sign train: images/train val: images/val nc: 5 names: [speed_limit, no_entry, warning, stop, yield]path 字段指定数据集的根目录train 与 val 使用相对路径YOLOV5 会在运行时把它们拼成完整路径。nc 必须与 names 的长度一致names 的顺序要与前面转换脚本中的类别序号完全一致。如果类别序号错位训练曲线看起来正常实际预测结果会全部乱掉。即使数据集中只有几张图也建议把 names 里的名字起得有含义因为后面评估时 confusion matrix 会直接使用这些字符串作为轴标签。4.2 训练命令与关键超参数选择准备好 data.yaml 后就可以开始“yolov5训练自己的数据集”了。默认用 yolov5s 作为预训练权重收敛快且显存压力小。交通标志往往在画面中占比较小可以从 640 分辨率开始效果不理想再上 960。python train.py \ --data traffic_sign.yaml \ --weights yolov5s.pt \ --img 640 \ --batch-size 16 \ --epochs 100 \ --cache ram \ --device 0--img 640 是训练输入分辨率640 是精度和速度的平衡点提高到 960 对小目标更友好但显存占用会变成原来的 2.25 倍。--batch-size 16 在 8GB 显存下比较合适显存不够优先降到 8而不是去调小分辨率。--cache ram 把图片一次性缓存到内存几千张的小数据集能明显减少训练时磁盘等待内存不够时可以改成 --cache disk。--epochs 100 对交通标志这类目标不算少60 轮左右基本能看到稳定结果后面的轮数主要为了把 mAP 再往上推几个点。训练相关的超参数在 YOLOV5 里通过 --hyp 指定超参文件默认使用 data/hyps/hyp.scratch-low.yaml。下面几个是交通标志场景里最值得调整的参数超参数默认值交通标志场景建议lr00.01数据集小于 5000 张时降到 0.005mosaic1.0小目标多可保持 1.0类别少可降到 0.5hsv_h0.015光照变化大时可适当提高hsv_s0.7增加饱和度扰动增强泛化fliplr0.5左右翻转不改变标志语义保持 0.5修改超参文件后通过 --hyp path/to/hyp.yaml 传入。lr0 不是越低越好过低会收敛慢在有限 epoch 下反而欠拟合小数据集降学习率是为了降低过拟合风险配合 mosaic 减半一起调整效果更好。4.3 训练日志怎么读先看 loss 曲线再看 mAP训练启动后 YOLOV5 会输出进度条包含 box_loss、cls_loss、obj_loss、precision、recall、mAP 等指标。最容易犯的错误是只盯着 mAP 看其实训练初期 mAP 会长期保持 0这是正常的因为模型还在学习类别和位置的基本模式。更可靠的方式是关注两条曲线的变化趋势train/box_loss 和 val/box_loss 都持续下降说明模型还在收敛不要停train/box_loss 降、val/box_loss 回升说明过拟合检查数据增强或数据集量val/box_loss 已经平稳但 mAP 缓慢波动说明可以提前终止。训练过程默认每 10 个 epoch 保存一次 checkpointruns/train/exp/weights/ 里有 best.pt 和 last.pt。评估和后续推理都应该用 best.ptlast.pt 只在恢复训练时才有意义。如果想完全复现训练结果可以在命令里加 --deterministic并在代码里固定好随机种子。4.4 数据增强与训练常见故障处理YOLOV5 内置了 mosaic、mixup、随机仿射变换、HSV 抖动等增强手段。对交通标志来说多尺度增强尤其重要因为同一个标志在画面中可能只占几十个像素也可能占满半个画面固定分辨率训练会限制模型的尺度适应能力。默认超参文件里 scale 参数控制随机缩放范围0.5 对交通标志可以保持调到 0.9 容易把小目标增强成几乎看不见的碎块反而干扰学习。训练过程中实际概率最高的几个问题可以直接对照下表处理现象常见原因处理方式CUDA out of memorybatch-size 或分辨率过大batch-size 减半或 --img 降到 512mAP 一直为 0类别编号与 names 不对应抽查 txt 第一列数字对照 names 检查loss 出现 nan学习率过大或数据集有损坏图片降低 lr0删除无法解码的图片训练一段后卡住磁盘 IO 瓶颈或图片路径大小写不一致检查扩展名使用 --cache ram其中显存不足最常见。毕设通常用单卡 8GB 到 12GB 的机器batch-size 调低是最直接的解法。如果调低后显存还是不够检查是否同时开着多个 Jupyter Notebook 或在后台跑着别的训练进程这些看不见的进程经常把显存占满。5. 验证、推理与导出把模型成果变成看得见的 demo5.1 用 val.py 得到最终评估指标训练完成后val.py 是提交报告时的主要数据来源。它会输出精确率、召回率、mAP0.5、mAP0.5:0.95 等关键指标并生成混淆矩阵图、P-R 曲线等结果这些图可以直接放进毕业设计文档。python val.py \ --data traffic_sign.yaml \ --weights runs/train/exp/weights/best.pt \ --img 640 \ --conf 0.25 \ --iou 0.45--weights 换成训练生成的 best.pt--conf 0.25 表示置信度低于 0.25 的框会被过滤这个值也影响最终 mAP 统计--iou 0.45 是 NMS 的 IoU 阈值评估时一般固定不动。运行完成后runs/val/exp 里会多出 confusion_matrix.png 和 results.csv混淆矩阵能直观看到哪些类别互相混淆。5.2 用 detect.py 跑视频流与摄像头评估指标是一面答辩时更看重实时 demo。detect.py 同时支持图片、视频、摄像头只需要在 --source 里指定输入源就行。python detect.py \ --weights runs/train/exp/weights/best.pt \ --source 0 \ --classes 0 1 2 \ --conf 0.4 \ --line-thickness 2--source 0 表示电脑自带的默认摄像头换成视频文件路径就是离线演示--classes 0 1 2 表示只输出前三个类别画面不会因为无关框显得混乱--conf 在实时场景下提高到 0.4 比训练评估时更合适因为视频每帧都会产生大量低置信度框提高阈值可以过滤掉误检。5.3 导出 ONNX 并用 Profiler 找到推理瓶颈如果最终 demo 的帧率不够第一个要做的不是换模型而是确定瓶颈在哪一个阶段。YOLOV5 把推理拆成预处理、模型前向、NMS 后处理三部分。导出 ONNX 再用 onnxruntime 推理能明显降低前向时间尤其是在 CPU 上python export.py --weights runs/train/exp/weights/best.pt --include onnx --opset 12接着用 onnxruntime 加载并跑一遍import onnxruntime as ort import cv2 import numpy as np sess ort.InferenceSession(best.onnx, providers[CUDAExecutionProvider, CPUExecutionProvider]) img0 cv2.imread(test.jpg) img cv2.resize(img0, (640, 640)) # 简化预处理严格应用 letterbox img img[:, :, ::-1].transpose(2, 0, 1) # BGR-RGB, HWC-CHW img np.ascontiguousarray(img, dtypenp.float32) / 255.0 img np.expand_dims(img, 0) # 增加 batch 维 onnx_input sess.get_inputs()[0].name outputs sess.run(None, {onnx_input: img}) # 原始预测张量需要 NMSproviders 列表顺序表示优先使用 GPU没有 GPU 时才回退到 CPUtranspose 把 HWC 变成 CHW 并归一化除以 255 是为了和训练预处理保持一致。严格来说 YOLOV5 训练前处理是 letterbox 等比缩放加 padding示例里直接用 resize 会降低小目标检测精度实际使用时需要补上 letterbox 逻辑。导出的 ONNX 默认输出未经 NMS 的原始预测张量需要按官方后处理解析。用 time.perf_counter 分别对图像读取、前向、NMS 计时如果前向占大头就继续压缩输入尺寸如果 NMS 占大头把 conf 阈值提高通常立竿见影。把耗时最高的部分从 PyTorch 切换到 ONNX Runtime 后再跑一遍单帧耗时通常能压到几十毫秒级别。本文还有配套的精品资源点击获取
)
)
