基于yolov5的石头剪刀布检测的训练（包含样本：训练3939样本测试524样本，检测类别3类）

搭建训练的环境参考yolo的官网:https://github.com/ultralytics/yolov5

获取工程可以从yolo的官方网站获取或者直接从跟本人的网盘获取（非免费介意误下载）：无需配置训练的数据解和下载数据，搭建好训练环境后就可以使用本工程直接训练石头剪刀布的检测：链接: https://pan.baidu.com/s/1ODzy2PkF3mPetm-cM_9Aow 提取码: s23h ( 内部包含修改后的工程和训练用的数据集：训练3939样本测试524样本，训练好的模型可以直接使用哦 ）

准备好数据后配置文件coco.yaml

# class names
names: ['paper','rock','scissors']
 
# number of classes
nc: 3
 
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: classself/coco/train2017.txt  # 118287 images
val: classself/coco/val2017.txt  # 5000 images
test: classself/coco/test-dev2017.txt  # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

准备好数据后配置文件yolov5s_self.yaml

path: classself/coco
train: train2017.txt 
val: val2017.txt
names:
    0: paper
    1: rock
    2: scissors 

开始训练

#训练
python train.py --data classself/coco/coco.yaml --weights '' --cfg models/yolov5s_self.yaml --img 640 --workers 0 --device 0
#断点续训
python  train.py  --resume  runs/exp/weights/last.pt
python  train.py  --resume

训练模型保存路径

测试

python detect.py --source data/images --weights runs/train/exp/weights/best.pt

测试结果路径

测试结果：