# Car_Identify

**Repository Path**: fitz_gitee/Car_Identify

## Basic Information

- **Project Name**: Car_Identify
- **Description**: 学习通过YOLO5模型用深度学习训练车辆检测的功能，包括车辆类别和出现位置。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-01
- **Last Updated**: 2025-10-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 车辆检测训练 & 推理示例
该脚本基于 YOLOv5 Backbone，实现了一个完整的 车辆（单类别）检测 训练 / 评估 / 测试流程。
  
脚本内容涵盖：
数据集封装（VehicleDataset）
数据增强（水平翻转、尺度变换、颜色归一化等）
模型构建与预训练权重加载（build_and_configure_model）
训练（train_model）
验证 & 指标计算（evaluate_model / ap_per_class）
测试（test_model）
检测结果可视化（plot_detections）

## 函数简介
**VehicleDataset**
按索引返回 (image, target)，其中 target 为符合 PyTorch Detection API 的字典格式。

**RandomHorizontalFlip**
50% 概率水平翻转，自动同步 bbox。

**load_and_preprocess_data**
划分 7:2:1 的 train / val / test，并返回对应 DataLoader。

 **build_and_configure_model**
加载 yolov5s.pt 预训练权重，并重新定义 nc=1（单类别车辆）。

**train_model**
采用 SGD + utils.loss.ComputeLoss 计算 YOLOv5 多任务损失。

**evaluate_model / test_model**
使用 ap_per_class 统计各项检测指标。  

**plot_detections**
绿色框：GT；红色框：预测（带置信度）。


## 自定义要点
**多类别任务**
- 在 build_and_configure_model 调整 nc 并在数据标注里对不同类别使用不同 class_id。
- 同时需要修改 class_names 列表。

**参数微调**
- 学习率、batch size、超参 hyp 等均可直接在脚本中修改。
- 若显存不足，可调小 batch_size，或使用 --half（即 fp16=True）加速推理。

**数据增广**
- 目前仅实现水平翻转，可在 transforms 内增添更多 torchvision.transforms 或自定义逻辑。


本项目仅做学习用。