🔍 Detecção de Objetos com YOLOv5

Este repositório contém um projeto de detecção de objetos utilizando o framework YOLOv5, com um modelo já treinado e pronto para realizar inferência em novas imagens.

O projeto foi desenvolvido como parte da disciplina de Inteligência Computacional no IFB.

---

🧠 Sobre o projeto

• 📦 Framework: YOLOv5 (Ultralytics)
• 📸 Dataset: Imagens rotuladas do Kaggle
• 🧠 Treinamento: Modelo com 1 classe (objeto)
• ⚙️ Execução local com CPU
• ✅ Modelo já treinado incluído no repositório

---

📁 Estrutura do Projeto

yolov5/ ├── data/ │ ├── images/train/ # Imagens usadas no treinamento e teste │ ├── labels/train/ # Labels no formato YOLO (geradas a partir de CSV) │ └── dataset.yaml # Arquivo de configuração do dataset ├── runs/train/exp/weights/ │ └── best.pt # Modelo treinado (peso final) ├── train.py # Script de treinamento ├── detect.py # Script de inferência ├── requirements.txt # Dependências do YOLOv5 └── READMEPROJECT.md # Este arquivo

---

⚙️ Requisitos

• Python 3.8+
• PyTorch
• PIL, pandas, matplotlib
• Placa NVIDIA (opcional)

Instale as dependências com:

pip install -r requirements.txt

🚀 Como Rodar a Inferência
Você pode rodar a detecção de objetos nas imagens com o modelo treinado (best.pt) usando:

python detect.py --weights runs/train/exp/weights/best.pt --source data/images/train --conf 0.4

🔄 Parâmetros úteis:
Parâmetro	Descrição
--weights	Caminho para os pesos do modelo treinado
--source	Pasta ou imagem a ser analisada (.jpg, .mp4, etc.)
--conf	Nível mínimo de confiança (ex: 0.4)
--device	Use cpu ou 0 para GPU NVIDIA (se disponível)

🖼️ Onde Ver os Resultados
Os resultados da inferência serão salvos automaticamente em:

runs/detect/exp/

Você encontrará as imagens com as caixas de detecção desenhadas ao redor dos objetos.

📌 Extras
O modelo foi treinado com 30 épocas, mas pode ser ajustado facilmente com o parâmetro --epochs.

O script de conversão de CSV para YOLO format está disponível em outro branch/opcional.

A estrutura de diretórios segue o padrão oficial do YOLOv5 para facilitar reuso e expansão.

👨‍💻 Autor
Lucas Tony
Ciência da Computação – IFB - Campus Taguatinga
Projeto acadêmico – Inteligência Computacional