文章目录
前言
最近看不少朋友提到双模态YOLO(RGB+IR)这个方向,感觉挺有意思的,就自己用YOLOv8实现了一下,并用FLIR数据集跑了个模型,效果还不错,精度大概在78左右,后面打算再做一下双模态的v7/v9/v10或是用v8结合transformer之类的看看效果,大家有什么好的想法也可以在评论区告诉我~
视频效果
b站链接:https://www.bilibili.com/video/BV1xnWXeCEbg
多模态YOLOv8 融合可见光+红外光(RGB+IR)双输入
代码获取
完整项目获取地址:多模态YOLOv8融合可见光+红外光(RGB+IR)双输入
文章概述
本文将详细讲解双模态YOLOv8的训练、验证和推理流程。内容涵盖数据结构的定义、代码运行方法以及关键参数的含义
必要环境
-
配置yolov8/v10环境 可参考往期博客
地址:搭建YOLOv10环境 训练+推理+模型评估
-
实现过程中参考的论文
地址:Cross-Modality Fusion Transformer for Multispectral Object Detection
一、模型训练
1、 定义数据
1.1、数据集结构
如下图所示,分别定义红外光与可见光的数据,images文件夹下存放图像 labels图像存放标注结果(.txt)
上图训练案例下载链接:
https://pan.baidu.com/s/14wkGcf3yF-NUzGFxL8DlMQ?pwd=3aya
1.2、定义data.yaml
根据1.1定义的结构 依次填写路径
2、 运行方法
python train.py --weights yolov8n.pt --cfg models/yolov8n.yaml --data data.yaml --epoch 200 --batch-size 64 --workers 8
运行效果
正常训练时会打印模型在yaml文件中定义的网络结构以及rgb和ir的数据
关键参数详解:
- –weights: 填写预训练模型路径,不使用预训练模型时这里为空
- –cfg:填写网络结构的yaml文件路径,此处为models/yolov8n.yaml
- –data: 填写定义数据集的yaml文件路径
- –epoch: 模型每轮训练的批次,增加轮数有助于提升模型性能,但同时也会增加训练时间
- –batch-size: 模型每轮训练的批次,可根据实际显存大小进行调整
- –workers: 设置数据加载进程数 linux系统下一般设置为8或16,windows系统设置为0
二、模型验证
训练结束后会在最后一轮输出模型的完整指标,但如果想要单独评估一下模型,可以通过如下命令来进行
运行方法
python test.py --weights runs\train\exp\weights\best.pt --data data.yaml --batch-size 128 --conf-thres 0.001 --iou-thres 0.5
运行效果
运行成功后会输出map0.5、map0.75、map0.5:0.95、P、R以及每个类别的AP等指标
关键参数详解:
- –weights: 填写想要评估模型的路径
- –batch-size: 用于评估的批次,一般是训练时的2倍,可根据实际显存大小进行调整
- –conf-thres: 置信度阈值,设置的越大保存的目标框越精确,同理目标数量会减小,评估阶段是默认设置为0.001,可根据实际需求进行调整
- –iou-thres: nms阈值,设置的越小保存的目标框越精确,同理目标数量会减小,评估阶段是默认设置为0.5,可根据实际需求进行调整
三、模型推理
1. 参数定义
parser = argparse.ArgumentParser()
# 检测参数
parser.add_argument('--weights', default=r"weights\weights\best.pt", type=str, help='Path to model weights file.')
parser.add_argument('--image_rgb', default=r"test\rgb", type=str, help='Directory for RGB images.')
parser.add_argument('--image_ir', default=r"test\ir", type=str, help='Directory for IR images.')
parser.add_argument('--conf_thre', type=int, default=0.4, help='Confidence threshold for detections.')
parser.add_argument('--iou_thre', type=int, default=0.5, help='IoU threshold for NMS.')
parser.add_argument('--save_image', default=r"./results", type=str, help='Directory to save result images.')
parser.add_argument('--vis', default=True, action='store_true', help='Visualize images with detections.')
parser.add_argument('--device', type=str, default="0", help='Device: "0" for GPU, "cpu" for CPU.')
parser.add_argument('--imgsz', type=int, default=640, help='Input image size for inference.')
parser.add_argument('--merge_nms', default=False, action='store_true', help='Merge detections across classes.')
opt = parser.parse_args()
关键参数详解:
- –weights: 指定用于推理的模型路径,可通过更改此路径来加载不同的权重文件
- –image_rgb: 指定包含可见光图像的路径
- –image_ir: 指定包含红外光图像的路径
- –save_image: 指定推理图像保存的路径
- –vis: 可选的标志,启用后将实时显示推理的图像,默认为True
- –device: 指定用于处理的设备,默认是“0”表示使用cuda:0,如果设置为“cpu”,则使用CPU处理
- –merge_nms: 可选标志,启用后将在NMS过程中合并不同类别的检测结果,默认False
2. 运行方法
改好上述参数后直接运行detect_slim.py即可
python detect_slim.py
运行效果
四、效果展示
白天
夜间
总结
本期博客就到这里啦,喜欢的小伙伴们可以点点关注,感谢!
最近经常在b站上更新一些有关目标检测的视频,大家感兴趣可以来看看 https://b23.tv/1upjbcG
学习交流群:995760755