YOLO 自定义实例分割 | 效果极佳！-CSDN博客

本文链接：https://blog.csdn.net/weixin_38739735/article/details/141835267

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：