YOLO V5の学習方法が簡単すぎる！

Let’s play with AI.

こんにちは。

AI coordinator管理人の清水秀樹です。

YOLO V5の学習方法が非常に簡単に出来る仕組みになっていたので紹介したいと思います。

AIそのものに触れる良い機会かと思いますので興味がある方はチャレンジしてみてください。

ちなみにGPUセットアップ済みのUbuntu前提で話を勧めます。

動画でも紹介しているため、そちらも参考にしてみてください。

データセットの準備

自分で準備するのは手間なので、公開データセットを使いましょう。

Roboflow公開データセット

色々な学習データがあります。

今回はPistols Datasetを使用してみたいと思います。

ダウンロードにはgithubアカウントが必要です。

YOLO V5の準備

YOLO V5をGitHubリポジトリからクローンしてください。

クローンしたら

dataフォルダ内に先程ダンロードしたデータセットの中身一式をコピーしましょう。

data.yamlの中身のtrainとvalのpathを以下のように変更します。

train: data/train/images
val: data/valid/images
 
nc: 2
names: ['mask', 'no-mask']

これだけで準備完了です。

滅茶苦茶簡単です。

あとは公式サイト通り学習コマンドを打ち込むだけです。

python train.py --data data.yaml --cfg yolov5s.yaml --weights '' --batch-size 16

ちなみ上記はモデルサイズ最小を指定しています。

より精度の高いモデルを作りたい場合は以下の表を参考に指定を変更してみてください。

epoch指定しない場合はepoch=300がデフォルトになります。

モデルはrunsフォルダ内に出来上がります。

best.ptが学習中の中で一番精度が高いもの
last.ptがepoch最後の学習モデル

になります。

学習が完了したらdetectしましょう。

python detect.py --source 0 --weights best.pt

これで動くと思います。

所感

YOLOV3の学習は結構大変でしたが、YOLOV5は簡単に利用できます。

パラメータも弄ることなく利用できるので、特殊な技術がなくても利用できるように発展していることが良く分かります。

学習枚数も数百枚レベルでも精度がある程度出るようになっていることから、益々利用しやくなっているのではないでしょうか。

公開データセットも徐々に増えてきています。

正直オープンソース頼みのAIベンチャーなんかは今後の生き残りが大変でしょうね。

この１〜２年で３０社ぐらい潰れていく気がします。ｗ

とまあ、そんなわけで簡単に利用できるのでぜひ試してみてください。

それではまた。

この記事の内容について、相談したい方へ

技術選定・実装の進め方・組織での導入など、AI/IoT全般のご相談を受け付けています。

→ 無料相談会（30分・オンライン）

About The Author

Hideki

AI coordinator株式会社代表取締役／東京海洋大学産学官連携研究員。AIロボティクスのスタートアップで執行役員CTO 兼 VPoEとして収穫ロボットの開発組織を統括（2026年7月まで）。画像認識関連のAI特許3件取得・1件出願中。現在はAI・ロボティクス・IoTの現場実装を、月額の技術顧問契約で「現場で動くまで」伴走しています。
会社概要 → www.ai-coordinator.co.jp

AI coordinator

Follow :