自定义数据上的YOLOv9分割训练

原文地址：yolov9-segmentation-training-on-custom-data

2024 年 4 月 16 日

在飞速发展的计算机视觉领域，物体分割在从图像中提取有意义的信息方面起着举足轻重的作用。在众多分割算法中，YOLOv9 是一种稳健且适应性强的解决方案，它具有高效的分割能力和出色的准确性。

在本文中，我们将深入探讨 YOLOv9 在自定义数据集上进行对象分割的训练过程，并在测试数据上进行推理。

步骤 1 下载数据集

本文将使用Furniture BBox To Segmentation (SAM)。要获取 Furniture BBox To Segmentation (SAM) 数据集。你可以从 Kaggle（一个数据科学竞赛、数据集和机器学习资源的流行平台）上获取。

下载数据集后，如果数据集已打包，你可能需要从压缩格式（如 ZIP 或 TAR 文件）中提取文件。

步骤 2 安装 Ultralytics

!pip install ultralytics -qq

导入软件包

from ultralytics import YOLO
import matplotlib.pyplot as plt
import