yolov8快速实现场景分类

场景识别/场景分类(scene classification/recognition)目的是预测单帧2D图像的场景类别,比如足球场,滑雪场,沙滩等。基于yolov8,大概5-10分钟就可以实现。

框架

yolov8 第八代了,目前是ultralytics在持续开发,代码抽象程度越来越高了,好处就是高级封装后使用更简单,相对也更难魔改。如果有优化需求的建议结合NNI,具体可以看我过往发布的关于NNI的文章。

# Install the ultralytics package from PyPI
pip install ultralytics

数据集

SUN397,一共397各列别,10万左右的数据量。下载链接如下,请遵守数据原作者的开源协议,本次分享若侵权,请联系删除。

点击下载

代码

from ultralytics import YOLO
import argparse

argparser = argparse.ArgumentParser("SceneCls based on yolov8")
argparser.add_argument("--pred", action="store_true")
argparser.add_argument("--images", type=str)

# parse args
args = argparser.parse_args()

# Train the model
if not args.pred:
    model = YOLO('yolov8n-cls.pt')  # load a pretrained model (recommended for training)
    results = model.train(data='../Datasets/SUN397', 
                          epochs=50, 
                          imgsz=224, 
                          batch=512, 
                          project='SceneCls', 
                          name='20231221_v1.0.1',
                          save=True,
                          save_period=10,
                          workers=8,
                          device='3',
                          plots=True)
# Prediciton
else:
    assert args.images, "images must be non-None"
    model = YOLO('./SceneCls/20231221_v1.0.1/weights/best.pt')
    predicts = model([args.images])

实验结果

请添加图片描述

  • 10
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

@daviiid

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值