- YOLOV11介绍
- 前提需要
- yolov11模型、权重下载
- 环境配置
- pycharm添加解释器
- 训练自己的数据集
1、YOLOV11介绍
Ultralytics YOLO11 是一款尖端的先进 (SOTA) 型号,是最新的实时目标检测器,它建立在以前 YOLO 版本的成功基础上,并引入了新功能和改进,以进一步提高性能和灵活性。YOLO11 旨在快速、准确且易于使用,使其成为各种对象检测和跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。
2、前提需要
anaconda3、pycharm下载完毕。
3、yolov11模型、权重下载
3.1模型下载:https://github.com/ultralytics/ultralytics
3.2、模型权重下载:
可以直接放在yolov11文件夹根目录下
4、环境配置
打开Anaconda Prompt
创建yolov11环境:
输入:conda create -n yolov11 python=3.12
(注:官网提示python>=3.8)
激活yolov11环境:
conda activate yolov11
安装依赖:
pip install ultralytics
5、pycharm添加解释器
①点击文件、设置;
②在设置中找到“python解释器”,在右侧点击“添加解释器”,在点击“conda环境”,选择“yolov11”,即可。
在终端运行:
yolo predict model=yolo11n.pt source='https://ultralytics.com/images/bus.jpg'
能成功运行,表示成功!!!
6、训练自己的数据集
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n.pt")
# Train the model
train_results = model.train(
data="coco8.yaml", # path to dataset YAML
epochs=100, # number of training epochs
imgsz=640, # training image size
device="cpu", # device to run on, i.e. device=0 or device=0,1,2,3 or device=cpu
)
# Evaluate model performance on the validation set
metrics = model.val()
# Perform object detection on an image
results = model("path/to/image.jpg")
results[0].show()
# Export the model to ONNX format
path = model.export(format="onnx") # return path to exported model