利用YOLOv8识别自定义模型

一、背景介绍

最近项目需要识别自定义物品,于是学习利用YOLOv8算法,实现物品识别。由于物体类别不再常规模型中,因此需要自己训练相应的模型,特此记录模型训练的过程。

二、训练模型的步骤

1.拍照获取训练图片(训练图片越多越好)

2.将图片进行处理获得数据集:

给图片打标签,并完成数据集分割。按照验证情况,训练集越多,最终的模型验证结果越好。

深度相机识别物体------实现数据集准备与数据集分割-CSDN博客

3.训练模型:

用以下代码进行模型训练,epochs表示的是迭代次数,imgsz表示的是图像大小。

模型训练前,需要先配置相应的文件,配置文件test_data.yaml如下:

python 复制代码
# 模型训练时的配置文件,说明了文件训练的地址和

# path: C:\Users\82370\.conda\envs\Ayolo8\Lib\site-packages\ultralytics\dataset 
train: C:\Users\82370\.conda\envs\Ayolo8\Lib\site-packages\ultralytics\dataset\train # train 文件夹
val: C:\Users\82370\.conda\envs\Ayolo8\Lib\site-packages\ultralytics\dataset\val # val 文件夹
test: # test-dev2017.txt # 20288 of 40670 images, submit to https://competitions.codalab.org/competitions/20794

nc: 2  # 类别数目
# Classes
names: [Sumblock, Barbie]
  #0: Sunblock
  #1: Barbie

模型训练文件train_model,py 如下:

python 复制代码
# 用于训练自定义模型的代码文件
from ultralytics import YOLO
import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE' # 这里是用于解决报错
# load a model 加载模型
model = YOLO('yolov8n.pt')

# train the model 训练模型
results = model.train(data='test_data.yaml', epochs=300, imgsz=640)

# 模型验证
model.val()

注意,运行训练模型文件时,需要先在命令行执行cd C:\Users\82370\.conda\envs\Ayolo8\Lib\site-packages\ultralytics\dataset ,进入到test_data.yaml配置文件所在文件夹。

训练过程示意图:

下图为训练结果储存位置,其中best为训练出的模型

4. 利用图片对相应的模型进行验证

相应Yolo_test.py代码如下

python 复制代码
from ultralytics import YOLO

model =YOLO(r'C:\Users\82370\.conda\envs\Ayolo8\Lib\site-packages\ultralytics\dataset\runs\detect\train\weights\best.pt')
model.predict(r'E:\T\TE1.jpg',save=True)
model.predict(r'E:\T\testa.jpg',save=True)
model.predict(r'E:\T\ts.jpg',save=True)

验证结果如下:

相关推荐
小于小于大橙子3 小时前
视觉SLAM数学基础
人工智能·数码相机·自动化·自动驾驶·几何学
封步宇AIGC4 小时前
量化交易系统开发-实时行情自动化交易-3.4.2.Okex行情交易数据
人工智能·python·机器学习·数据挖掘
封步宇AIGC4 小时前
量化交易系统开发-实时行情自动化交易-2.技术栈
人工智能·python·机器学习·数据挖掘
陌上阳光5 小时前
动手学深度学习68 Transformer
人工智能·深度学习·transformer
OpenI启智社区5 小时前
共筑开源技术新篇章 | 2024 CCF中国开源大会盛大开幕
人工智能·开源·ccf中国开源大会·大湾区
AI服务老曹5 小时前
建立更及时、更有效的安全生产优化提升策略的智慧油站开源了
大数据·人工智能·物联网·开源·音视频
YRr YRr5 小时前
PyTorch:torchvision中的dataset的使用
人工智能
love_and_hope5 小时前
Pytorch学习--神经网络--完整的模型训练套路
人工智能·pytorch·python·深度学习·神经网络·学习
思通数据6 小时前
AI与OCR:数字档案馆图像扫描与文字识别技术实现与项目案例
大数据·人工智能·目标检测·计算机视觉·自然语言处理·数据挖掘·ocr
兔老大的胡萝卜6 小时前
关于 3D Engine Design for Virtual Globes(三维数字地球引擎设计)
人工智能·3d