YOLO通用无人机目标检测框架

YOLO通用目标检测框架

python 复制代码
import argparse
from pathlib import Path

from ultralytics import YOLO


def parse_args() -> argparse.Namespace:
    parser = argparse.ArgumentParser(description="Run YOLOv8 inference on images/video/camera")
    parser.add_argument(
        "--weights",
        type=str,
        default=str(Path("runs/bird/exp/weights/best.pt")),
        help="Path to trained weights (.pt)",
    )
    parser.add_argument(
        "--source",
        type=str,
        required=True,
        help="Input source: path to image/folder/video or camera index (e.g. 0)",
    )
    parser.add_argument("--imgsz", type=int, default=640, help="Inference image size")
    parser.add_argument("--conf", type=float, default=0.25, help="Confidence threshold")
    parser.add_argument("--iou", type=float, default=0.7, help="NMS IoU threshold")
    parser.add_argument("--device", type=str, default="cpu", help="Device: 'cpu' or '0' for GPU 0")
    parser.add_argument("--save", action="store_true", help="Save visualized predictions")
    parser.add_argument("--save_txt", action="store_true", help="Save predictions to .txt files")
    parser.add_argument("--save_crop", action="store_true", help="Save cropped detections")
    parser.add_argument("--show", action="store_true", help="Display a window with results")
    parser.add_argument("--project", type=str, default="runs/infer", help="Project dir for outputs")
    parser.add_argument("--name", type=str, default="predict", help="Run name for outputs")
    return parser.parse_args()


def main() -> None:
    args = parse_args()

    # Support numeric webcam indices
    source: str | int
    try:
        source = int(args.source)
    except ValueError:
        source = args.source

    model = YOLO(args.weights)
    model.predict(
        source=source,
        imgsz=args.imgsz,
        conf=args.conf,
        iou=args.iou,
        device=args.device,
        save=args.save,
        save_txt=args.save_txt,
        save_crop=args.save_crop,
        show=args.show,
        project=args.project,
        name=args.name,
        exist_ok=True,
        verbose=True,
    )


if __name__ == "__main__":
    main()

简介

YOLO通用目标检测框架是一个模块化、可扩展的目标检测解决方案,基于YOLO系列算法构建。该框架支持快速替换数据集并进行模型训练,提供从数据准备到模型部署的完整工作流程。

特性

  • 🚀 多模型支持: 支持YOLOv5/YOLOv8等多个版本
  • 📦 模块化设计: 清晰的架构,便于维护和扩展
  • 🔄 完整流程: 涵盖数据准备、模型训练、推理和部署
  • 高性能: 支持GPU加速和模型优化
  • 🌐 多种接口: 提供命令行、Python API和Web API
  • 📊 可视化: 内置训练监控和结果可视化

目录结构

复制代码
yolosb/
├── models/              # 模型相关文件
├── datasets/            # 数据集管理
├── src/                 # 项目源代码
└── docs/                # 运行说明文档

快速开始

安装依赖

bash 复制代码
# 克隆项目
git clone <repository-url>
cd yolosb

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/macOS
# or
venv\Scripts\activate     # Windows

# 安装依赖
pip install -r requirements.txt

准备数据集

bash 复制代码
# 复制数据集模板
cp -r datasets/templates/yolo datasets/my_dataset

# 按照YOLO格式组织您的数据

模型训练

bash 复制代码
python src/scripts/train.py \
  --config models/configs/training/yolov8n.yaml \
  --data datasets/my_dataset/dataset.yaml \
  --epochs 100

目标检测

bash 复制代码
python src/scripts/detect.py \
  --model models/weights/trained/best.pt \
  --source input.jpg \
  --output results

项目源码地址:https://download.csdn.net/download/weixin_43050480/92043612

相关推荐
星域智链14 分钟前
宠物智能用品:当毛孩子遇上 AI,是便利还是过度?
人工智能·科技·学习·宠物
taxunjishu31 分钟前
DeviceNet 转 MODBUS TCP罗克韦尔 ControlLogix PLC 与上位机在汽车零部件涂装生产线漆膜厚度精准控制的通讯配置案例
人工智能·区块链·工业物联网·工业自动化·总线协议
说私域40 分钟前
基于多模态AI技术的传统行业智能化升级路径研究——以开源AI大模型、AI智能名片与S2B2C商城小程序为例
人工智能·小程序·开源
囚生CY1 小时前
【速写】优化的深度与广度(Adam & Moun)
人工智能·python·算法
hqyjzsb1 小时前
2025年市场岗位能力重构与跨领域转型路径分析
c语言·人工智能·信息可视化·重构·媒体·改行学it·caie
爱学习的uu1 小时前
CURSOR最新使用指南及使用思路
人工智能·笔记·python·软件工程
叶凡要飞1 小时前
RTX5060Ti安装双系统ubuntu22.04各种踩坑点(黑屏,引导区修复、装驱动、server版本安装)
人工智能·python·yolo·ubuntu·机器学习·操作系统
叶庭云1 小时前
一文掌握 CodeX CLI 安装以及使用!
人工智能·openai·安装·使用教程·codex cli·编码智能体·vibe coding 终端
yuluo_YX1 小时前
VSR 项目解析
人工智能·python
cdming2 小时前
微软Win11双AI功能来袭:“AI管家”+聊天机器人重构桌面交互体验
人工智能·microsoft·机器人