YOLOV10训练自己的数据集

***************************************************

码字不易,收藏之余,别忘了给我点个赞吧!

***************************************************

Start

YOLOV10训练自己的数据集

官方论文:https://arxiv.org/abs/2405.14458

1.下载官方代码

下载地址:https://github.com/THU-MIG/yolov10/tree/main

进入网址后,先点击code按钮,再点击Download ZIP,下载的文件是一个压缩包:yolov10-main.zip

2.解压压缩包文件

解压后,文件夹里的内容如下图所示:

3.下载模型预训练权重文件

YOLOV10N:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10n.pt

YOLOV10S:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10s.pt

YOLOV10M:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10m.pt

YOLOV10B:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10b.pt

YOLOV10L:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10l.pt

YOLOV10X:https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10x.pt

作者此处下载的是YOLOV10N的预训练权重,将权重文件放置在项目文件夹yolov10-main中,如下图所示:

4. 新增my_train.py文件

在项目文件夹yolov10-main下新建一个my_train.py文件,将以下代码复制保存到该文件中。

python 复制代码
from ultralytics import YOLOv10

model = YOLOv10('yolov10n.yaml').load('yolov10n.pt')
# Train the model
results = model.train(data='a_tb.yaml',
                      epochs=200,
                      imgsz=640,
                      batch=16,
                      optimizer='SGD',lr0=0.01,device=0)

5. 新建数据集文件夹

在pycharm中打开项目文件夹yolov10-main,按照yolo数据集的标准准备好图像和标签文件,作者此处的数据集文件夹为a_tb_data,里面有train,val,test三个文件夹,请按照以下形式准备好数据集

6. 修改yolov10n.yaml文件

打开文件: yolov10-main/ultralytics/cfg/models/v10/yolov10n.yaml ,修改nc的值,若要检测的目标为n种,则值为n,作者数据集检测的目标为1种,因此n=1。

7. 新增a_tb.yaml文件

在yolov10-main/ultralytics/cfg/datasets文件夹下新增一个文件a_tb.yaml,将以下代码块复制到该文件中保存。path表示数据集a_tb_data的路径,names:表示类别的名称,依次用0,1,2,3表示。

python 复制代码
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: C:\Users\22120\Desktop\yolov10-main\a_tb_data # dataset root dir
train: train/images # train images (relative to 'path') 1052 images
val: test/images # val images (relative to 'path') 225 images
test: test/images # test images (relative to 'path') 227 images

# Classes
names:
  0: tb
  #1: car
  #2: pig

8. 开始训练模型YOLOV10N

打开my_train.py,model.train中可以修改相应的参数,参数的名称来自yolov10-main/ultralytics/cfg/default.yaml 文件,作者这里只进行简单配置,配置完信息后,鼠标右键run,如下图所示。

9. 查看运行结果

等待运行结束后,在yolov10-main/runs/detect文件夹下会生成新的train文件夹,里面记录了训练过程、验证过程、最优模型权重等等。

10. 验证YOLOV10N模型

首先新增my_val.py文件,复制以下代码至该文件保存,其中runs/detect/train/weights/best.pt 则是训练完成后生成的权重文件路径。

python 复制代码
from ultralytics import YOLOv10

# Load a model

model = YOLOv10('runs/detect/train/weights/best.pt')  # load a custom model

# Validate the model
metrics = model.val(data='a_tb.yaml',
                    batch=16)  # no arguments needed, dataset and settings remembered
metrics.box.map    # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps   # a list contains map50-95 of each category

在my_val.py文件中鼠标右键run,进行验证

验证完成后,在yolov10-main/runs/detect文件夹下会生成新的val文件夹,里面记录了验证过程、验证结果等等。

相关推荐
Blossom.11814 小时前
把AI“刻”进玻璃:基于飞秒激光量子缺陷的随机数生成器与边缘安全实战
人工智能·python·单片机·深度学习·神经网络·安全·机器学习
tangchen。14 小时前
YOLOv3 :目标检测的经典融合与创新
人工智能·计算机视觉·目标跟踪
Kratzdisteln14 小时前
【Python OOP Diary 1.1】题目二:简单计算器,改错与优化
python·面向对象编程
掘金安东尼14 小时前
OCR的新高度?PaddleOCR-VL 与 DeepSeek-OCR 的技术与应用横评
人工智能
小白银子14 小时前
零基础从头教学Linux(Day 53)
linux·运维·python
Aurora-silas15 小时前
LLM微调尝试——MAC版
人工智能·pytorch·深度学习·macos·机器学习·语言模型·自然语言处理
空白到白15 小时前
BERT,GPT,ELMO模型对比
人工智能·gpt·自然语言处理·bert
空白到白15 小时前
BERT-微调任务
人工智能·自然语言处理·bert
文火冰糖的硅基工坊15 小时前
[人工智能-大模型-20]:对比 Copilot 与国产替代方案(如通义灵码、百度Comate)
人工智能·百度·copilot
skywalk816315 小时前
基于频域的数字盲水印blind-watermark
linux·开发语言·python