使用YOLOv8来训练游泳和溺水检测数据集实现可视化及评估直接检测道游泳溺水

计算机c9硕士算法工程师

于 2025-01-02 06:31:02 发布

阅读量327

点赞数 4

文章标签： YOLO 深度学习人工智能

本文链接：https://blog.csdn.net/2401_88441190/article/details/144875226

版权

如何训练自己的数据集——游泳溺水数据集在这里插入图片描述
图片数量: 1715张图片
标注格式: YOLO txt格式
类别nc: 2
类别名称: [’ Drowning’，’ Swimming’]
实例统计: [[’ Dr owning ’
951]，[’ Swimming’
2165] ]

使用YOLOv8来训练你的游泳和溺水检测数据集。以下是详细的步骤和完整的代码示例。

步骤概述

安装依赖
准备数据集
配置YOLOv8
训练模型
可视化评估

1. 安装依赖

首先确保你已经安装了必要的库，特别是ultralytics库，它是YOLOv8的核心库。

pip install ultralytics

2. 准备数据集

假设你的数据集格式符合YOLO的要求，即图像文件夹和对应的标注文件夹。数据集结构应如下所示：

datasets/
├── images/
│   ├── train/
│   │   ├── img1.jpg
│   │   ├── img2.jpg
│   │   └── ...
│   └── val/
│       ├── img1.jpg
│       ├── img2.jpg
│       └── ...
└── labels/
    ├── train/
    │   ├── img1.txt
    │   ├── img2.txt
    │   └── ...
    └── val/
        ├── img1.txt
        ├── img2.jpg
        └── ...

每个.txt文件对应一张图片，内容格式为：

<class_id> <x_center> <y_center> <width> <height>

其中，坐标值都是归一化的（范围在0到1之间）。

3. 配置YOLOv8

创建一个YAML文件来配置数据集路径和类别信息。例如，创建一个名为swimming_drowning.yaml的文件：

train: ../datasets/images/train
val: ../datasets/images/val

nc: 2
names: ['Drowning', 'Swimming']

注意：类别名称应该是 'Drowning' 和 'Swimming'，而不是 ' Dr owing ' 或 ' Swimming '。

4. 训练模型

编写训练脚本，使用YOLOv8进行训练。以下是完整的训练脚本：

解释

加载预训练模型：我们从预训练的YOLOv8n模型开始。
训练模型：使用train方法进行训练。参数包括数据集配置文件路径、训练轮数、图像大小、批量大小、工作线程数和设备。
评估模型：使用val方法对模型进行评估。
导出模型：将训练好的模型导出为ONNX格式以便部署。
可视化评估：使用predict方法在验证集上进行预测，并显示和保存结果。

运行脚本

保存上述脚本到一个Python文件中，例如train_swimming_drowning.py，然后运行该脚本：

python train_swimming_drowning.py

、