点击下方卡片,关注“小白玩转Python”公众号
YOLOv9 官方 GitHub:https://github.com/WongKinYiu/yolov9
在我们继续之前,让我向您介绍一下 YOLOv9:使用可编程梯度信息学习你想学的内容。这款模型根据2024年2月29日发布的研究论文(https://arxiv.org/pdf/2402.13616.pdf)最近发布。我觉得有趣的是广义高效层聚合网络(GELAN)。我们计划下次更深入地讨论细节。
YOLOV9 性能参考
实例分割
分割示例现在支持的实例分割模型
今天我选择了 GELAN-C-SEG 进行演示。
首先,您可以查看官方的 Google Colab 指南,如下所示:
train-yolov9-object-detection-on-custom-dataset.ipynb — Colaboratory (google.com):https://colab.research.google.com/github/roboflow-ai/notebooks/blob/main/notebooks/train-yolov9-object-detection-on-custom-dataset.ipynb
首先设置(安装 YOLOv9)
!git clone https://github.com/SkalskiP/yolov9.git
%cd yolov9
!pip install -r requirements.txt -q
!pip install Pillow==9.5.
安装 GELAN-C-SEG 权重模型
!wget -P {HOME}/weights -q https://github.com/WongKinYiu/yolov9/releases/download/v0.1/gelan-c-seg.pt
and glan-c-seg.yaml also
预处理
YOLOv9 的数据结构与 YOLOv8 相同
您可以使用先前在 YOLOv8 中使用的 data.yaml
相同的 .txt 格式用于分割
训练
示例:
!python yolov9/segment/train.py --workers 8 --device 0 --batch 2 --data coffee_seg.yaml --img 640 --cfg yolov9/models/segment/gelan-c-seg.yaml --weights weights/gelan-c-seg.pt --hyp hyp.scratch-high.yaml --no-overlap --epochs 500 --close-mosaic 10
如果一切正常,结果应如下所示:
实例分割结果示例
· END ·
HAPPY LIFE
本文仅供学习交流使用,如有侵权请联系作者删除