YOLOv5 实例分割训练实战Mask 推理、训练曲线与自定义预测这篇教程根据我复现 YOLOv5 实例分割流程时整理重点演示预训练分割推理、自定义分割数据训练、验证和预测结果展示。本文整理自我的学习和项目复现过程尽量按实操顺序保留 notebook 的关键步骤同时把数据集获取方式调整为适合中文教程发布的写法。本文会重点跑通以下流程安装 YOLOv5 分割环境运行预训练分割推理从数据集后台获取分割数据训练自定义分割模型验证并做单图预测如果你正在系统学习目标检测、实例分割、OCR、多目标跟踪或视觉大模型建议收藏本文配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住可以在评论区说明具体报错。 文章目录YOLOv5 实例分割训练实战Mask 推理、训练曲线与自定义预测⚙️ 环境准备 安装 YOLOv5 预训练分割推理 从数据集后台获取分割数据️ 自定义训练 验证模型 自定义推理 部署说明 小结 同系列教程汇总⚙️ 环境准备先检查 GPU 与基础运行环境。建议优先使用 Colab GPU 或本地 NVIDIA GPU 环境。!nvidia-smi 安装 YOLOv5克隆 YOLOv5 仓库并安装依赖。# save the working directory path for later useimportos HOMEos.getcwd()print(HOME)# clone YOLOv5 repository%cd/content !git clone https://github.com/ultralytics/yolov5# install dependencies as necessary%cd/content/yolov5 !pip install-r requirements.txt !pip uninstall wandb-qy# deprecated dependencyimporttorchfromIPython.displayimportImage,clear_output# to display images# clear_output()print(Setup complete. Using torch %s %s%(torch.__version__,torch.cuda.get_device_properties(0)iftorch.cuda.is_available()elseCPU)) 预训练分割推理先用预训练分割模型跑通示例图确认分割链路正常。# infer using segment/predict.py%cd{HOME}/yolov5 !python segment/predict.py--weights yolov5s-seg.pt--source data/images/bus.jpg--name test-inference Image(filenamef{HOME}/yolov5/runs/predict-seg/test-inference/bus.jpg,width600)PATH_TO_IMAGEf{HOME}/zebra.jpg!curl https://i.imgur.com/EbOBS5l.jpg-o{PATH_TO_IMAGE}#Infer using segment/predict.py%cd{HOME}/yolov5 !python segment/predict.py--weights yolov5s-seg.pt--source{PATH_TO_IMAGE}--name coco Image(filenamef{HOME}/yolov5/runs/predict-seg/coco/zebra.jpg,width600) 从数据集后台获取分割数据下面按 notebook 原流程继续执行。fromtypesimportSimpleNamespace# 从数据集后台下载 YOLO 分割 格式数据集后修改 DATASET_DIR 指向解压目录。DATASET_DIR/content/dataset# 修改为数据集后台导出的数据集目录datasetSimpleNamespace(locationDATASET_DIR,version1,namecustom-dataset)️ 自定义训练开始训练前重点检查数据路径和类别数量。%cd{HOME}/yolov5 !python segment/train.py \--img320\--batch128\--epochs30\--data{dataset.location}/data.yaml \--weights yolov5s-seg.pt \--name custom-dataset \--cacheImage(filenamef{HOME}/yolov5/runs/train-seg/custom-dataset/results.png,width1200) 验证模型训练完成后先跑验证确认指标和输出目录。%cd{HOME}/yolov5 !python segment/val.py \--weights{HOME}/yolov5/runs/train-seg/custom-dataset/weights/best.pt \--data{dataset.location}/data.yaml \--img320\--name custom-dataset 自定义推理下面按 notebook 原流程继续执行。importosifos.path.exists(os.path.join(dataset.location,test)):split_pathos.path.join(dataset.location,test,images)else:split_pathos.path.join(dataset.location,valid,images)example_image_nameos.listdir(split_path)[3]example_image_pathos.path.join(split_path,example_image_name)%cd{HOME}/yolov5 !python segment/predict.py \--img320\--weights{HOME}/yolov5/runs/train-seg/custom-dataset/weights/best.pt \--source{example_image_path}\--name custom-dataset Image(filenamef{HOME}/yolov5/runs/predict-seg/custom-dataset5/{example_image_name},width600) 部署说明Notebook 原流程包含在线部署。这里保留本地模型路径方便接入自己的部署流程。# 可选将训练得到的模型目录接入自己的部署流程。MODEL_DIR./runsMODEL_DIR# 可选部署完成后可在这里接入自己的在线推理服务进行测试。# 可选这里可以接入主动学习或批量推理流程。# 可选这里可以接入主动学习或批量推理流程。# 可选这里可以接入主动学习或批量推理流程。 小结这篇教程完整整理了YOLOv5 实例分割训练的核心复现流程。实际操作时建议先确认 GPU、依赖版本、数据集路径和模型权重路径再逐段运行 notebook。后续我会继续按源项目顺序整理同系列中的目标检测、实例分割、OCR、多目标跟踪和视觉大模型教程。 同系列教程汇总Google Gemini 3.5 Flash 零样本目标检测教程从提示词到可视化结果GLM-OCR 文档识别实战教程从验证码、公式到车牌 OCRRF-DETR ByteTrack 多目标跟踪实战教程从命令行到 Python 视频轨迹可视化SAM 3 图像分割实战教程文本、框和点提示的多种分割方式SAM 3 视频分割实战教程用文本提示分割并跟踪视频中的目标YOLOv5 实例分割训练实战Mask 推理、训练曲线与自定义预测-本文