Datawhale AI夏令营--2024大运河杯”数据开发应用创新大赛——城市治理Task2

改进

• 使用更多的数据量
• 使用不同权重的YOLOv8

YOLO v8

在YOLO的训练过程中，这样的配置文件允许用户轻松地指定数据集的位置和类别信息，从而无需硬编码在训练脚本中。具体来说，这段配置的含义如下：

• path: 指定了数据集的根目录路径，即所有数据子文件夹的上级目录。这里的路径是相对于当前配置文件的路径或者相对于执行训练脚本的工作目录。
• train: 定义了训练集图像的相对路径。在训练模型时，程序会在指定的路径下查找图像文件。
• val: 定义了验证集图像的相对路径。验证集用于在训练过程中评估模型性能，避免过拟合。
• nc: 表示类别的数量，这里设置为2，意味着数据集中有两类物体需要被识别。
• names: 是一个列表，包含了每个类别的名称。这里有两个类别，名称分别是"0"和"1"。这些名称在训练和测试过程中用于引用特定的类别。

训练日志

在使用YOLO进行训练时，生成的exp/detect/train类型的文件夹是训练过程中的一个关键组成部分。

• 模型权重 (.pt 或 .pth 文件): 训练过程中保存的模型权重，可以用于后续的测试或继续训练。
• 日志文件 (.log 文件): 包含训练过程中的所有输出信息，如损失值、精度、速度等。
• 配置文件 (.yaml 或 .cfg 文件): 训练时使用的配置文件副本，记录了数据路径、类别名、模型架构等设置。
• 图表和可视化: 有时YOLO会生成训练过程中的性能图表，如损失曲线、精度曲线等。
• 测试结果: 如果训练过程中包括了测试阶段，可能会有测试结果的保存，如检测结果的图片或统计数据。

不同权重

不同权重下，较多参数的模型通常能有更好的 精度，但是与之伴随的是速度和过拟合风险。

结果

尝试了一下s版本的，结果还行，到了0.08