# YoloV5自瞄外挂

**Repository Path**: opti_wx/yolo-v5-self-aiming-plug-in

## Basic Information

- **Project Name**: YoloV5自瞄外挂
- **Description**: 基于开源pytorch版本yolov5的CS1.6自瞄外挂；包含权重文件；包含数据集；mPA高于91%；RTX3060显卡稳定帧率90FPS。
- **Primary Language**: Python
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 22
- **Forks**: 7
- **Created**: 2022-04-16
- **Last Updated**: 2024-10-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于pytorch yolov5的自瞄外挂

训练好的针对CS1.6的权重文件 /pretrained/yolov5Cs16.pt
已生成的数据集 /YOLO_CS16

## 安装
cuda11.x系列及cudnn自行安装，亲测cuda11.5可用,兼容cuda11.1

pytorch安装
https://pytorch.org/get-started/previous-versions/

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

一定要安装pytorch==1.9.x，否则不兼容

一定要安装pytorch==1.9.x，否则不兼容

一定要安装pytorch==1.9.x，否则不兼容


![pytorch版本](docs/1.jpg)


其他包安装

pip install -r requirements.txt

pip install pyqt5

pip install labeimng

## 运行

打开main.py

threadWin = QtWindow(2, 'Window', 'police')

qt窗口参数为'police'表明队友为police

qt窗口参数改为'terrorist'表面队友为terrorist


打开游戏后，设置为窗口模式

直接运行main.py

![界面效果](docs/2.jpg)

![界面效果](docs/1_1.jpg)

## 生成其他游戏数据集

打开游戏，运行grab.py，即可自动截图至/YOLO_CS16/temp/images文件夹

## 数据标注

采用labelimg标注，选择yolo格式即可

数据集标注教学可参考https://blog.csdn.net/ECHOSON/article/details/121939535

已标注好的数据集存储在YOLO_CS16文件夹内，可以直接训练。

在data目录下创建'cheat_CS16.yaml'文件

在model目录下创建'cheat_yolov5s.yaml'文件



## 模型训练

直接运行 train.py 即可

或者通过命令以下执行

python train.py --data cheat_CS16.yaml --cfg cheat_yolov5s.yaml --weights pretrained/yolov5s.pt --epoch 100 --batch-size 4 --device 0

配置文件和预训练权重可自行修改，设备选择device 0为选择GPU 0运行

![训练过程](docs/4.jpg)

结果保存在/run/train/

![训练结果](docs/3.jpg)