2019怎么做网站赚钱,建设网站的协议范本,北京房山idc机房,滨州网站建设哪家好学习资源#xff1a;https://www.youtube.com/watch?vZ-65nqxUdl4
努力的小巴掌 记录计算机视觉学习道路上的所思所得。
1、准备图片images
收集数据网站#xff1a;OPEN IMAGES
2、准备标签labels
网站#xff1a;CVAT 有点是#xff1a;支持直接导出yolo格式的标…学习资源https://www.youtube.com/watch?vZ-65nqxUdl4
努力的小巴掌 记录计算机视觉学习道路上的所思所得。
1、准备图片images
收集数据网站OPEN IMAGES
2、准备标签labels
网站CVAT 有点是支持直接导出yolo格式的标签 步骤创建项目---Projects---输入类别--上传数据
目标检测标签文件格式
每一行代表一个检测对象类别Center_x, Center_y, W, H
每一个label文件中的行数对应该张图片中检测对象的数量
注意Center_x, Center_y, W, H这4个数字是浮点数因为是相对于整个图像的大小 3、文件格式化
images
labels
名称完全相同拓展名不同
4、开始训练
yolov8的便捷之处在于可以直接在python中使用代码运行。或者命令行运行。
方法1python解释器运行
创建main.py
下载库from ultralytics import YOLO
ultralytics库占用空间挺大的。做好准备。
加载模型model YOLO(yolov8n.yaml)
这个模型对应着官网的不同版本n到x适应的目标检测越来越大。
按照任务不同进行模型的选择。 创建配置文件 config.yaml
config.yaml文件的位置与main.py位于同一个目录下。可以正常运行。 path指向存放data路径train和val是存放图片的具体位置。
注意config文件中的path需要是绝对路径直接去文件夹复制就好了不要是相对路径不然就会报错。
如上图设计train和val是同样的图片 可以用相同的数据作为train和val。
方法2终端运行
yolo detect train dataconfig.yaml modelyolov8n.yaml epochs2 参考
CLI - Ultralytics YOLO Docs 5、查看训练结果
看图表
混淆矩阵有关如何预测不同类别会包含所有的类别
F1 confidence curve
Precison confidence curve
Precison recall curve
Loss确保损失是在下降的
看图片结果判断 6、使用全新图片或者视频进行预测以判断模型好坏
创建predict.py文件
参考【yolov8语义分割】跑通下载yolov8预测图片预测视频-CSDN博客
