YOLOv7 入門紀錄：環境、訓練與影像偵測

這是我初次使用 YOLOv7 的操作紀錄，依照當時的環境整理安裝、標註、訓練與偵測步驟。讀取範例前，先確認程式版本與環境設定，再依自己的資料集調整路徑和參數。

本篇重點

建立 Python 環境並安裝相依套件
準備訓練／驗證資料與模型設定
完成訓練後載入權重，測試圖片、影片或相機

原始實作記錄於 2022 年；以下操作畫面與程式範例保留當時版本。

以下記錄我初次建立 YOLOv7 環境，以及準備資料、訓練模型和執行偵測的過程。

參考文獻：

Youtube：Official YOLO v7 Custom Object Detection Tutorial | Windows & Linux

操作說明

使用 Anaconda 管理 Python 環境，讓相依套件與其他專案分開。
至Anaconda官網選擇符合系統與專案需求的版本：https://www.anaconda.com/products/distribution
安裝完成後，使用 Anaconda Prompt (anaconda3) 來建立 YOLOv7 開發環境。

建立 YOLOv7 開發環境

建立 Python 新環境

1 2	conda create -n yolov7 python=3.9.13 conda activate yolov7

至Yolov7的Github下載：https://github.com/WongKinYiu/yolov7
解壓縮下載的yolov7-main.zip的檔案
由於YOLO各版本都會有提供安裝模組清單，cd 至 yolov7-main 的資料夾，就可以安裝 Yolov7 所需套件
1
pip install -r requirements.txt
開啟Anaconda Navigator，切換環境到剛剛建立的yolov7
在上個步驟的Anaconda Navigator介面下安裝：

Notebook、CMD.exe Prompt
若有其他開發需求，再安裝相應工具。

安裝Pytorch-cuda，官網：https://pytorch.org/
Pytorch官網歷史版本：https://pytorch.org/get-started/previous-versions/
原始實作選用 PyTorch 1.11，以下保留當時的安裝指令。相依版本應依所下載的 requirements.txt 核對；不要把舊筆記中的版本選擇解讀成所有後續版本都無法使用。

建立Yolov7環境：原文圖片 04

1	conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

示意圖：

完成 Yolov7 環境安裝後，先確認能從這個環境啟動專案，再整理圖片與標註。

使用 labelImg 標註圖片

先確定類別名稱與順序，再以一致的規則標註。完成後抽查圖片與標籤是否配對，避免類別編號或儲存位置不一致，直到訓練時才發現問題。

1	pip install labelimg

執行時，在Anaconda Prompt (yolov7)上輸入labelimg，會跳出以下畫面：
1
labelimg

Open Dir 打開要訓練圖片的資料夾

Change Save Dir 放置儲存labels的資料夾
詳閱：Yolo標註工具-labelImg的詳細使用

擷取影像與建立樣本

利用工業相機拍攝影片，將影片的各幀畫面擷取成照片，每張以名稱與流水號存入影像資料夾，再篩選需要的樣本。

import cv2
import os
import shutil

a=input("請輸入資料夾名稱(請以英文命名)：")
b=input("請輸入張數：")
enter=int(b)
# ----------
# 開啟攝像頭
cap = cv2.VideoCapture(0) # 選擇運行攝影機(預設為0)
# 視訊大小設定，獲取幀寬度，獲取幀高度
sz = (int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)))
fps = 30
# 輸出格式
fourcc = cv2.VideoWriter_fourcc(*'mp4v')
# open and set props
vout = cv2.VideoWriter()
vout.open(a+'.mp4', fourcc, fps, sz, True)

cnt = 1
while cnt <= enter:
    _, frame = cap.read()
    # putText輸出到視訊上，各引數依次是：照片/新增的文字/左上角座標/字型/字型大小/顏色/字型粗細
    cv2.putText(frame, str(cnt), (10, 20), cv2.FONT_HERSHEY_PLAIN, 1, (0, 255, 0), 1, cv2.LINE_AA)
    vout.write(frame)
    cnt += 1

    cv2.imshow('vidio', frame)
    cv2.waitKey(30)

vout.release()
cap.release()
# ----------------------------------------
video_path = a+'.mp4'
output_folder = './'+a+'/'

if os.path.isdir(output_folder):
    print("刪除資料夾: {}".format(output_folder))
    shutil.rmtree(output_folder)
	 
os.mkdir(output_folder)
print("新建資料夾: {}".format(output_folder))
# ----------------------------------------
# 建立圖片
vc = cv2.VideoCapture(video_path)
fps = vc.get(cv2.CAP_PROP_FPS)
frame_count = int(vc.get(cv2.CAP_PROP_FRAME_COUNT))
#print(frame_count)
video = []

for idx in range(frame_count):
    vc.set(1, idx)
    ret, frame = vc.read()
    height, width, layers = frame.shape
    size = (width, height)

    if frame is not None:
        file_name = '{}{}{:04d}.jpg'.format(output_folder,a,idx+1)
        cv2.imwrite(file_name, frame)

    print("\rprocess: {}/{}".format(idx+1 , frame_count), end = '')
vc.release()
# ----------------------------------------
# 移動影片到資料夾
shutil.move(str(a)+'.mp4',str(a))

參考：【OpenCV】OpenCV 利用 python OpenCV 將一部影片拆成一張張圖片 sample code (內附程式碼) get images from video
詳閱：【永成的學習部落格】使用相機攝影截圖取AI辨識樣本
這一篇是我過去所寫的一篇文章。

訓練與驗證資料

先把圖片分成訓練集與驗證集，再各自整理圖片和標籤。訓練集參與模型學習，驗證集則用來觀察未參與訓練的資料表現。

訓練模型
資料增加時，要同時留意圖片品質、標註一致性與場景差異，而不是只追求張數。資料量也會影響訓練時間。
依本篇配置，將圖片放在.\yolov7-main\data\train裡面

示意圖：

驗證模型
原始練習以至少 20 張驗證圖片作為起點，實際張數仍應能涵蓋各類別與預期使用情境，不能當作通用標準。
依本篇配置，將圖片放在.\yolov7-main\data\val裡面

示意圖：

這裡以 7:3 或 8:2 作為資料切分比例的例子。切分後要確認驗證圖片沒有同時出現在訓練集中，避免結果過度樂觀。

整理資料與模型設定檔

將.\yolov7-main\data\coco.yaml的檔案複製，將檔名取為custom_data.yaml，然後編輯檔案：

train: ./data/train  # 訓練的圖片&labels的資料夾索引
val: ./data/val      # 驗證的圖片&labels的資料夾索引

# number of classes  # 數字為訓練圖片類別的數量
nc: 1

# class names
names: [ 'bad' ]     # 類別名稱的設置

將.\yolov7-main\cfg\training\yolov7.yaml的檔案複製，將檔名取為yolov7-custom.yaml，然後編輯檔案：

# parameters
nc: 1  # number of classes # 數字為訓練圖片類別的數量
depth_multiple: 1.0  # model depth multiple # 模型深度倍數
width_multiple: 1.0  # layer channel multiple # 層通道多

到Yolov7-Github的Releases地方下載兩個檔案（yolov7-tiny.pt和yolov7.pt），將檔案存放在.\yolov7-main目錄下：
下載連結：https://github.com/WongKinYiu/yolov7/releases

模型訓練

執行訓練前，逐一核對圖片路徑、標籤路徑、類別數與權重檔案。以下指令沿用原始目錄配置，請先替換成自己的檔案與參數。

python train.py --workers 1 --device 0 --batch-size 11 --epochs 200 --img 640 640 --data data/custom_data.yaml --hyp data/hyp.scratch.custom.yaml --cfg cfg/training/yolov7-custom.yaml --weights yolov7.pt --name yolov7-train --project runs/train

訓練完之後，將最新的.\runs\train的目錄下，yolov7-train最新資料夾之.\weights\best.pt的檔案複製到主目錄.\yolov7-main之下！
執行 detect 偵測時，請讓 --weights 指向訓練產生的 best.pt 檔案。原範例將權重複製到主目錄，方便使用相對路徑；也可在指令中指定原本的完整路徑。

如示意圖：

--weights：初始weights路徑。ex：--weights yolov7.pt
--cfg：model.yaml路徑。 ex：--cfg cfg/training/yolov7-custom.yaml
--data：data.yaml路徑。ex：--data data/custom_data.yaml
--hyp：hyperparameters路徑。ex：--hyp data/hyp.scratch.custom.yaml
--epochs：訓練回合，預設為300回合。ex：--epochs 200
--batch-size：預設=16, 所有 GPU 的總批大小。ex：--batch-size 11
--img-size：[訓練, 測試] 圖片大小，預設為【640,640】。ex：--img 640 640
--workers：訓練資料讀取工作的最大數量。ex：--workers 1
--name：將訓練結果資料夾名稱命名。ex：--name yolov7-train
--project：將訓練結果保存到自訂資料夾。ex：--project runs/train
--device ：指定運算裝置，例如 GPU 編號或 cpu。預設值請以所用腳本的 --help 為準；原文的 --cuda device 標示應對照實際 --device 參數。ex：--device 0

（查看更多指令說明）：
在 Anaconda Prompt (yolov7) 上輸入：
1
python train.py -h

圖片、影片與串流偵測

先用一張已知內容的圖片確認模型能載入，再測試影片和相機來源。畫面能顯示、模型能推論，以及結果符合需求，是不同的檢查項目。

#除了可偵測圖片外，也能偵測影片、資料夾、webcam、即時串流、網頁上的影片

範例（即時辨識）：
1
python detect.py --weights best.pt --conf-thres 0.5 --img-size 640 --source 0 --view-img --no-trace --exist-ok --name yolov7-detect --project runs/detect
--weights ：則可用來指定預訓練的模型。ex：--weights best.pt
--source：file.jpg#圖片、file.mp4#影片、dir/#資料夾、0#攝像頭(即時辨識)。
--img-size ：可以指定影像的大小，對於偵測比較小的物件時，可以加大影像的大小，預設的影像大小為 640。
--iou-thres ：是設定 IoU 門檻值。
--conf-thres ：則是設定信心度門檻值。
--cuda device ：指定運算裝置，例如 GPU 編號或 cpu。預設值請以所用腳本的 --help 為準；原文的 --cuda device 標示應對照實際 --device 參數。
--save-txt：保存結果到*.txt。
--save-conf：搭配 --save-txt 保存偵測框的信心值。
--view-img：顯示視窗圖片。
--nosave：不儲存輸出的圖片或影片。
--classes：依類別編號過濾；實際參數拼法應為 --classes，並依腳本說明提供編號。
--update：更新所有模型。
--project：將驗證結果保存到自訂資料夾。ex：--project runs/detect
--name：設定本次輸出資料夾名稱。ex：--name yolov7-detect
--exist-ok：允許使用既有輸出名稱，不自動遞增編號；執行前留意原有輸出。
--no-trace：不跟踪模型。
（查看更多指令說明）：
在 Anaconda Prompt (yolov7) 上輸入：
1
python detect.py -h

常見錯誤與處理方式

OMP: Error #15: Initializing libomp.dylib, but found libiomp5.dylib already initialize
原紀錄曾在 train.py 中使用下方 KMP_DUPLICATE_LIB_OK 繞行方式。它可能掩蓋 OpenMP 重複載入的衝突，應先檢查套件來源與相依版本，不把此設定視為已修復：
1
2
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"

示意圖：

UnicodeDecodeError: 'cp950' codec can't decode byte 0x93 in position 25: illegal multibyte sequence
這類錯誤表示讀取編碼與檔案內容不相符。先檢查 .yaml 的儲存編碼與程式讀取方式，不要直接把原因歸結為中文內容或作業系統。

此專案使用 UTF-8 設定檔時，檔案的儲存與程式讀取編碼需一致。

回顧這次流程

可以依序檢查：環境能否執行、資料是否正確配對、訓練是否產生權重，以及偵測是否載入預期權重。出現問題時，先找出停在哪一個階段，比一次修改多個設定更容易定位原因。

版本相依條件可對照 YOLOv7 專案 requirements.txt。本文保留舊版範例，沒有重新執行相機或 GPU 訓練。

呀哈！一起探索吧。

YOLOv7 入門紀錄：環境、訓練與影像偵測

操作說明

建立 YOLOv7 開發環境

使用 labelImg 標註圖片

擷取影像與建立樣本

訓練與驗證資料

整理資料與模型設定檔

模型訓練

圖片、影片與串流偵測

常見錯誤與處理方式

回顧這次流程

又收藏了一點新知！

尋找一筆學習紀錄

呀哈！一起探索吧。

操作說明

建立 YOLOv7 開發環境

使用 labelImg 標註圖片

擷取影像與建立樣本

訓練與驗證資料

整理資料與模型設定檔

模型訓練

圖片、影片與串流偵測

常見錯誤與處理方式

回顧這次流程

延伸閱讀

YOLOv5 實作紀錄：從資料標註到工業相機偵測

用 OpenCV 擷取相機畫面：建立 AI 影像樣本

Python 圖片蒐集：安裝工具與下載範例

又收藏了一點新知！