YOLOV5从零开始：数据标注到模型训练实战指南

原创

于 2026-02-26 01:25:51 发布 · 796 阅读

1. 从零开始：为什么选择YOLOv5，以及你需要准备什么

如果你对计算机视觉感兴趣，或者手头正好有一些图片、视频，想教电脑识别里面的特定物体——比如识别自家果园里成熟的果子、仓库里不同种类的货箱，甚至是监控视频里有没有出现小猫——那么YOLOv5绝对是你入门目标检测的绝佳选择。我刚开始接触这个领域时，也被各种复杂的模型和代码吓到过，但YOLOv5用下来，最大的感受就是：它真的对新手很友好。官方代码库维护得非常好，社区活跃，最关键的是，从数据标注到模型训练，整个流程非常清晰，只要你跟着步骤一步步来，几乎不会卡在某个环节出不去。

那么，在动手之前，我们需要明确两件事。第一，YOLOv5能做什么？简单说，它就是一个“找东西”的模型。你给它一张图片，它能用框把图片里你感兴趣的物体框出来，并告诉你这个框里是什么。这个过程就是目标检测。第二，我们需要准备什么？硬件上，有一块带NVIDIA显卡的电脑会事半功倍，因为训练过程很依赖GPU加速。如果没有独显，用CPU也能跑，只是速度会慢很多，适合先用小数据集试试水。软件上，你需要一个Python环境，以及一颗不怕折腾、乐于动手的心。别担心，接下来的每一步我都会用最直白的方式告诉你该怎么操作，很多坑我已经替你踩过了。

2. 第一步：收集与标注你的专属数据集

训练一个属于自己的模型，最核心、也最无法绕开的一步就是准备数据。模型就像学生，数据就是教材，教材的质量直接决定了学生能考多少分。很多朋友觉得数据标注很枯燥，但在我看来，这是你和模型“沟通”的第一步，至关重要。

2.1 如何收集高质量的图片？

我的经验是，“针对性”比“数量”更重要。比如你想做一个识别不同种类室内盆栽的模型，那么你的图片就应该集中在各种光线、角度、背景下的盆栽特写，而不是混杂着大量户外风景、人物、宠物的图片。初期，你可以用手机自己拍摄，这是最直接、版权最清晰的方式。如果需要的场景难以拍摄，也可以从一些开源数据集或者遵守版权协议的图片网站获取。这里有个小技巧：尽量保证图片的多样性。所谓多样性，指的是同一个物体，要有远有近、有亮有暗、有正有侧、有完整有部分遮挡。这样的数据集训练出来的模型，泛化能力（即处理没见过的新图片的能力）才会强。我刚开始做项目时，只拍了正面清晰的照片，结果模型一遇到侧面或者光线暗的情况就“瞎”了，这就是教训。