YoloV10、Yolo11实战：使用Yolo训练Objects365数据集

摘要

预训练模型在提高训练成绩上是非常有效，大家通常使用COCO数据集训练的模型做为预训练模型，在小型数据集做实验发现，使用COCO数据集训练的预训练模型比没有使用预训练模型的得分能高出2%mAP，同时，如果使用Objects365做预训练，能比没有使用预训练的模型高出4%的mAP，是涨分的利器（当然，不全是能达到这样的水平，但是提高成绩还是非常有效的）。这篇文章，采用了一种非常简单的方法完成Objects365的训练。

数据集介绍

北京智源人工智能研究院和旷视联合推出了目标检测任务的新基准：Objects365。它的所有图像数据都是在自然场景设计和收集的。该Objects365目标检测数据集主要用于解决具有365个对象类别的大规模检测，并为目标检测研究提供多样化、实用性的基准。同时，我们围绕数据集组织了2019年智源-旷视目标检测挑战赛，以及2020年智源-旷视目标检测赛，希望这些活动可以成为一个平台，推动目标检测研究的上限。

平台上Objects365数据集包含训练集、验证集、测试集和license.txt：

1、训练集：51个图片文件压缩包，共有超过172万张图片；1个训练集图片标注文件压缩包 zhiyuan_objv2_train.json.tar.gz；

2、验证集：