![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
YOLO有点难
文章平均质量分 82
爱编程的鱼
去看看我的另一个账户,谢谢!https://www.zhihu.com/people/mi-qi-lin-17-73/posts
展开
-
YOLOv8医学图像分割
步骤2:将 .png(或任何类型)掩膜(标签)转换为labels标签文件夹中的 .txt 文件。以下是将标签(.png、.jpg)转换为 .txt 文件的Python代码。步骤1:请按照以下结构组织您的数据集(图像和掩膜):理想情况下,训练、测试和验证(val)的比例为8:1:1。只需在Python中运行下面的代码,它将为YOLOv8创建 'data.yaml' 文件。现在你会看到一个 'runs' 文件夹,你可以在其中找到所有的训练矩阵和图表。将预测出的txt文件转换为对应的 mask.png。原创 2024-07-23 07:01:18 · 473 阅读 · 0 评论 -
YOLOv8_ByteTrack车辆计数
基本上,你将传递一个视频流,对于每一帧,你需要检测对象并分配一个“对象ID”,在下一帧中,如果检测到相同的对象,需要分配相同的对象ID。在第二个匹配步骤中,使用相同的运动相似性匹配低分检测和未匹配的tracklets,即红框中的tracklets。因此,为了在匹配过程中使用高分到低分的检测框,这种简单而有效的关联方法被称为BYTE,因为每个检测框是tracklet的基本单元。这是多目标跟踪的核心,首先计算tracklets和检测框之间的相似性,并根据相似性应用不同的策略进行匹配。原创 2024-07-23 06:59:13 · 775 阅读 · 0 评论 -
Yolov8 obb旋转目标检测训练自己的数据集
其标注方式为四点确定的任意形状和方向的四边形(区别于传统的对边平行bbox)。类别分别为:plane, ship, storage tank, baseball dia- mond, tennis court, swimming pool, ground track field, har- bor, bridge, large vehicle, small vehicle, helicopter, round- about, soccer ball field , basketball court。原创 2024-07-19 08:04:17 · 850 阅读 · 0 评论 -
YOLOv8_ ByteTrack目标跟踪、模型部署
正确执行代码后,会在’VisDrone2019-DET-train’, ‘VisDrone2019-DET-val’, 'VisDrone2019-DET-test-dev三个文件夹内新生成labels文件夹,用以存放将VisDrone数据集处理成YoloV8格式后的数据。三、修改数据配置文件ultralytics/cfg/datasets/VisDrone.yaml。需要将VisDrone2019数据集转换为yolo格式数据,labels的生成。两种多目标跟踪算法,默认的目标跟踪算法为。原创 2024-07-19 08:00:59 · 705 阅读 · 0 评论 -
YOLOv8目标跟踪deepsort
4) “gt_query”——matlab 格式,用于判断一个 query 的哪些图片是好的匹配(同一个人不同摄像头的图像)和不好的匹配(同一个人同一个摄像头的图像或非同一个人的图像)5) “gt_bbox”——手工标注的 bounding box,用于判断 DPM 检测的 bounding box 是不是一个好的 box。00 表示手工标注框。3) “query”——为 750 人在每个摄像头中随机选择一张图像作为 query,因此一个人的query 最多有 6 个,共有 3,368 张图像。原创 2024-07-16 20:38:25 · 879 阅读 · 1 评论 -
Yolov8 姿态估计
每个关键点由x,y,v组成,v代表该点是否可见。原创 2024-07-13 20:45:40 · 854 阅读 · 1 评论 -
yolov8 分类太阳能板
六、pt模型转onnx。原创 2024-07-10 20:18:35 · 449 阅读 · 1 评论 -
YOLOV8花朵实例分割实战
从作者提供的样例数据coco128-seg(下载链接:https://ultralytics.com/assets/coco128-seg.zip)输入模型路径和测试图片的路径进行测试结果保存在runs\segment\predict目录下,展示样例如下。可以看到txt文件的内容,分别是类别下标,归一化的坐标,中间用空格分割,不同目标物体用换行符。通过上述命令可以将json格式的标注文件转换成YOLO格式进行训练。五、YOLOv8训练自己的实例分割模型。训练数据要求:坐标归一化的txt文件。原创 2024-07-08 19:19:34 · 517 阅读 · 1 评论 -
YOLOV8血细胞检测
二、修改配置文件 mydata.yaml 以及 my_yolov8s.yaml。这里只运行了10个 epoch结果保存在 run/detect/train。修改图片路径为步骤一生成的路径,更改names为自己数据集的类别名。voc格式的数据集需要转换成yolo格式。修改 nc为自己数据的类别数。数据集下载参考如下文章。三、YOLOV8训练。四、YOLOV8测试。原创 2024-07-07 00:00:00 · 214 阅读 · 0 评论 -
YOLOX算法实现血细胞检测
使用 OTA 作为候选的标签匹配策略。其中,λ是平衡系数,然后,对于一个 gt,用 gi 来表示,选择在一个固定的 中心区域内,topk 个具有最小的 cost 的预测来作为正样本,最后,这些正样本 所在的 grid 也被分配为正样本,其他的 grid 是负样本,注意,对于不同的 gt,k 是不一样的。上面提到的 anchor free 的正样本选择策略,对于每个目标只选 择了 1 个正样本,这样会忽略掉其他的高质量的预测,使用这些高质量的预测对 于梯度是有好处的,而且样本的不均衡性也会减少一些。原创 2024-07-06 06:59:31 · 902 阅读 · 1 评论 -
YOLOv8 深度详解!一文看懂,快速上手
提供了一个全新的 SOTA 模型,包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于YOLACT的实例分割模型。和 YOLOv5 一样,基于缩放系数也提供了 N/S/M/L/X 尺度的不同大小模型,用于满足不同场景需求骨干网络和 Neck 部分可能参考了 YOLOv7 ELAN 设计思想,将 YOLOv5 的 C3 结构换成了梯度流更丰富的 C2f 结构,并对不同尺度模型调整了不同的通道数,属于对模型结构精心微调,不再是无脑一套参数应用所有模型,大幅提升了模型性能。原创 2024-06-02 08:27:03 · 714 阅读 · 1 评论 -
YOLOv8『小目标』检测指南
目前博主课题组在进行物体部件的异常检测项目,项目中需要先使用YOLOv8进行目标检测,然后进行图像切割,最后采用WinCLIP 模型进行部件异常检测但是在实际操作过程中出现问题, YOLOv8 模型目标检测在大目标精确度不错,但是在小目标检测中效果极差我们之前的解决方案是扩大异常部件的目标检测范围,易于检测。但是缺点是会增大异常检测的识别难度,需要对异常检测模型进行处理,暂时放弃因此我们着重将目标放在如何修改 YOLOv8 ,使其具有处理小目标的能力,这是本文的重点内容。原创 2024-05-25 07:40:02 · 1660 阅读 · 1 评论 -
YOLOv8 快速入门(万字解析)
本文是 YOLOv8 入门指南(大佬请绕过),将会详细讲解安装,配置,训练,验证,预测等过程注意:如果遇到权重文件,模型文件下载缓慢的问题,可以在自己本机上下载,再上传到服务器。也可以选择代理或是 IDM 这样的下载软件然后下载 zip 压缩包即可。原创 2024-05-20 18:10:01 · 1290 阅读 · 2 评论