yolov8/v5 best.pt的判定

最新推荐文章于 2025-01-06 18:38:55 发布
最新推荐文章于 2025-01-06 18:38:55 发布
阅读量1.1k 收藏 4
点赞数 5
文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43644477/article/details/136578868
版权

基本上是靠 mAP@0.5, mAP@0.5:0.95 来更新最好的权重（best.pt）
在这里插入图片描述
在这里插入图片描述

SiuSiuSiU~
关注
基于YOLOv5的果实成熟度检测与UI界面实现
m0_52343631的博客
02-28 778
果实成熟度检测是指对果实的成熟度进行自动化判定，帮助农业生产者选择最佳的收获时机，从而提升生产效率和果品质量。果实的成熟度一般通过外观、色泽、形态等特征来判断。传统的人工检测方法不但低效，而且容易受到环境因素和人为因素的影响，难以实现大规模、高效的果实成熟度监测。因此，借助深度学习技术，尤其是YOLOv5目标检测模型，能够高效地对果实成熟度进行自动检测，为果农提供智能化的技术支持。
YOLOv5入门实践（4）— 基于YOLOv5s的口罩佩戴检测
突然好想你
03-10 1867
现阶段新冠肺炎疫情虽然已经放开，但是我们仍不能放松警惕，因此口罩的佩戴极其重要。针对这一现象，笔者提出了基于YOLOv5s的检测是否佩戴口罩。
yolov8中得到侧重不同指标的最好配置文件
fool996的博客
02-29 1805
在yolov8中保存的最好的配置文件(best,py)是根据，P,R,MAP50,MAP50-95四个指标的比例进行保存，因此我们可以修改程序来保存侧重不同指标的最好配置文件。首先我们打开yolov8中的ultralytics/utils/metrics.py文件。例如可以改为【0，0，1，0】，这样最好的配置文件就只看MAP50了。其中的数值代表4个指标的占比，只要最后加起来是1就可以了。修改w[0.0，0.0，0.1，0.9]中的值。在大概743行的地方找到。
yolov5中的best.pt
EXYlkx的博客
06-20 1万+
yolov5中的best.pt，best是啥意思？
yolov5中的best.pt是如何确定的
“365天深度学习训练营”报名进行中～
08-04 3627
好理解，就是最后一个epoch的输出，但是best是啥意思？中的fitness函数，可以看到是将。我们来一行行看train.py源码。按照1:9的比重确定最佳模型的。
yolov8 选择并保存best.pt的依据 （附带修改记录，） + 设置早停
m0_56276747的博客
04-21 4878
【代码】yolov8 选择并保存best.pt的依据 （附带修改记录）
YOLOv8目标检测(五)_结果文件(run/detrct/train)详解
weixin_48870215的博客
11-28 6655
yolov8训练结果详解
【YOLOV8】根据YOLOV8的.pt文件获取训练类别
码农努力学习
06-27 480
训练好的Yolov8 pt文件进行predict时，我们只需要加载pt文件即可，不用指定类别信息。我们如何通过pt文件获取到类别信息呢。
yolov5 训练结果解析
m0_54111890的博客
03-08 3万+
yolov5 训练结果解析 在每次训练之后，都会在runs-train文件夹下出现一下文件，如下图： 一：weights 包含best.pt（做detect时用这个）和last.pt（最后一次训练模型） 二：confusion 1：混淆矩阵： ①：混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确预测的数量，并按每个类进行细分，这是混淆矩阵的关键所在。混淆矩阵显示了分类模型的在进行预测时会对哪一部分产生混淆。它不仅可以让我们了解分类模型所犯的错误，更重要的是可以了解哪些错.
基于YOLOv5的钢材表面缺陷检测
m0_49800270的博客
06-14 861
意思就是，当我设置置信度为某一数值的时候，各个类别识别的准确率。可以看到，当置信度越大的时候，类别检测的越准确。这也很好理解，只有confidence很大，才被判断是某一类别。但也很好想到，这样的话，会漏检一些置信度低的类别。但我们希望我们的网络，在准确率很高的前提下，尽可能的检测到全部的类别。所以希望我们的曲线接近（1，1）点，即希望mAP曲线的面积尽可能接近1。mAP 是 Mean Average Precision 的缩写，即 均值平均精度。3、下载权重模型，我选择的是。第七类inclusion类。
YOLOv5性能评估指标-＞mAP、Precision、Recall、FPS、Confienc (讲解论文关注的主要指标)
Snu77的博客
12-21 2万+
这篇博客，主要给大家讲解我们在训练yolov5时生成的结果文件中各个图片及其中指标的含义，帮助大家更深入的理解，以及我们在评估模型时和发表论文时主要关注的参数有那些。本文通过举例训练过程中的某一时间的结果来帮助大家理解，大家阅读过程中如有任何问题可以在评论区提问出来，我会帮助大家解答。首先我们来看一个在一次训练完成之后都能生成多少个文件如下图所示，下面的文章讲解都会围绕这个结果文件来介绍。
YOLOV8目标检测——最全最完整模型训练过程记录
chenyuan1111的博客
10-20 5188
本文记录一下yolov8训练目标检测模型的过程，以及其中的一些需要注意的地方。本人是yolov5直接使用的yolov8，因此本文也记录了与yolov5的训练过程不一样的地方。原创声明：如有转载请注明文章来源。入门yolov8目标检测的步骤：环境配置标注数据集，标注的报错点在这里(以YOLO标注为例)labelimg标注闪退的几种情况详解，报错IndexError: list index out of range熟悉训练过程。
YOLO模型中best.pt和last.pt的区别以及使用
Fzq1021的博客
04-30 1万+
best.pt：
Yolov8目标识别——模型训练结果可视化图分析与评估训练结果
热门推荐
知来者逆的博客
01-16 6万+
Yolov8在训练完成之后，会在run目录下把训练的过程一些参数与结果示意图保存下来,这里面包含是目标检测性能指标，如下图:表示正确预测的目标数量与总预测数量的比率。表示模型正确预测为正样本的样本数量占所有预测为正样本的样本数量的比例。表示模型正确预测为正样本的样本数量占所有实际正样本的样本数量的比例。综合考虑精确率和召回率，是精确率和召回率的调和平均数。衡量模型检测出的区域与实际目标区域的重叠程度。在目标检测中，AP通常指Precision-Recall曲线下的面积，用于综合评估模型的性能。
YOLOV8训练好的best.pt模型转best.onnx并部署成python可调用
最新发布
learner_jj的博客
01-06 2142
记录学习yolov8模型调用
YOLO模型训练后的best.pt和last.pt区别
kennyharris
11-30 1541
yolo
yolov5学习笔记
aloha
02-17 575
best.pt表示训练过程中最好的一轮网络模型参数,last.pt表示最近的一次网络模型参数。1.detect.py文件阅读。表示训练过程中模型的一些超参数。表示训练过程中对一些参数的设置。针对–cfg可选参数如下图所示。3.train.py参数解读。针对–data可选的数据集。2.训练yolov5模型。训练的一些图片长什么样子。
yolov8训练自己的数据集以及权重转化为.engine格式(超详细)
qq_44859533的博客
03-18 3645
最下面的训练结果就是最新的。项目中打开ultralytics中的models中的yolo中的pose中的train.py文件,运行。项目里面的 pre_work 文件夹里面 “seg_split_data.py” .双击进去。项目里面的 pre_work 文件夹里面 “检查coco格式的json.py” .双击进去。项目里面的 pre_work 文件夹里面 “pose_json_txt.py” .双击进去。项目里面的 pre_work 文件夹里面 “coco_json.py” .双击进去。
三、yolov8训练结果查看和模型预测(语义分割)
机器视觉、深度学习、C++、opencv、halcon、图像算法
01-10 6034
yolov8模型预测
yolov8best.pt怎么找
01-05
### 如何获取YOLOv8 best.pt模型文件 对于寻找或下载名为 `yolov8best.pt` 的文件，通常这类预训练模型会由研究者上传至公共平台供其他开发者下载使用。如果特定版本的 `best.pt` 文件未直接提供链接，则可以考虑从官方仓库或其他可信资源处获得类似的预训练权重文件。 一种方式是从公开分享的位置下载，例如在提供的资料中有提到一个可供下载的最佳模型地址[^2]： - 可通过访问 [CSDN 下载页面](https://download.csdn.net/download/weixin_51111267/87516445)，这里提供了 `best.pt` 文件的下载选项。不过需要注意的是该链接可能对应不同版本的YOLO系列模型，并非一定是YOLOv8的具体最佳模型。 另一种方法是前往GitHub上的 Ultralytics 官方YOLOv8项目主页，在那里往往会有详细的文档说明以及预训练模型的下载途径。一般情况下，官方发布的模型会在发布页或者README.md文件中给出具体的下载指导和链接。 另外，也可以利用Python脚本配合Ultralytics库来加载默认的预训练模型，这实际上也是一种间接获取的方式。下面是一个简单的例子展示如何安装 ultralytics 库并尝试加载预训练模型： ```bash pip install ultralytics ``` ```python from ultralytics import YOLO model = YOLO('yolov8n.pt') # 这里以nano版为例，默认会自动下载对应的预训练权重 ``` 上述代码中的 `'yolov8n.pt'` 是指定了想要使用的YOLOv8变体（如 nano, small, medium 等），而实际的最佳模型 (`best.pt`) 需要在完成自定义数据集训练之后才会生成；如果是寻求官方提供的高质量预训练模型，建议关注官方渠道更新的信息。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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