这个是从6段简短抛物视频里面截取的259张图片用labelImg进行标注得到提供voc和yolo格式以供大家训练和研究。目录我已经提供了yolov8s训练好的模型和训练日志,如果不想训练的可以直接用我这个模型即可,选择使用best.pt或last.pt即可。目录结构:
----yolov8-paowu\
|----data\
| |----video\
| | |----1.mp4
| | |----2.mp4
| | |----3.mp4
| | |----4.mp4
| | |----5.mp4
| | |----6.mp4
| |----VOC2012\
| | |----Annotations\
| | | |----paowu_1.xml
| | | |----paowu_10.xml
| | | |----paowu_100.xml
| | | |----more
| | |----JPEGImages\
| | | |----paowu_1.jpg
| | | |----paowu_10.jpg
| | | |----paowu_100.jpg
| | | |----paowu_101.jpg
| | | |----more
| | |----labels\
| | | |----classes.txt
| | | |----paowu_1.txt
| | | |----paowu_10.txt
| | | |----paowu_100.txt
| | | |----more
|----train\
| |----args.yaml
| |----confusion_matrix.png
| |----confusion_matrix_normalized.png
| |----events.out.tfevents.1717627006.jupyter-391641-6894711.6128.0
| |----F1_curve.png
| |----labels.jpg
| |----labels_correlogram.jpg
| |----PR_curve.png
| |----P_curve.png
| |----results.csv
| |----results.png
| |----R_curve.png
| |----train_batch0.jpg
| |----train_batch1.jpg
| |----train_batch1520.jpg
| |----train_batch1521.jpg
| |----train_batch1522.jpg
| |----train_batch2.jpg
| |----val_batch0_labels.jpg
| |----val_batch0_pred.jpg
| |----weights\
| | |----best.pt
| | |----last.pt
|----使用说明.txt
这里解释一下为什么要做这个数据集。首先可以肯定的是如果做商业化落地要考虑很多因素,使用目标检测做通用型高空抛物其实不太好,原因是抛出物体非常多根本不能仅仅靠目标检测实现。光抛物成千上万种你不可能都打上标签,而且还有个问题就是误检测问题也不好解决。如果你只想用目标检测检测大物件抛物也许目标检测算法还是可以用的。随着科技的技术发展,说不定后面还有更厉害目标检测框架出现,可能用目标检测做高空抛物成为现实。所以这个数据集对于想商业化落地的研究人员可以说是纯粹是lese,但是万事不能说毫无用处,这个还有一些其他使用价值。
第一,如果您只想要做视频演示只是呈现一种效果,那么这个数据集+模型+视频可能会帮到您
第二,如果您只想用作课程作业或者研究着玩一玩,那么这个数据集+模型+视频也可能会帮到您
第三,如果您只想要视频文件那么我这边也提供了,视频文件为原生文件,不是检测过的结果文件,您可以用这些视频去检测自己实际高空抛物算法。
下面提供yolov8测试命令和环境:
测试环境:
ultralytics==8.2.2
torch==1.9.0+cu111
下载文件后并安装好yolov8环境,切换到yolov8-paowu目录下面,执行
yolo task=detect mode=predict model=train/weights/best.pt source=data/video/1.mp4 show=true
这里提供数据集(VOC+YOLO)+6段高空模拟抛物视频+yolov8训练模型和日志下载地址: