YOLOv8及其改进(三) 本文(5000字) | 解读modules.py划分成子文件 | 标签透明化与文字大小调节 | 框粗细调节 |

已于 2024-01-31 16:36:15 修改
阅读量1.2k 收藏 19
点赞数 23
文章标签： YOLO 机器学习 人工智能 深度学习 YOLOv8 modules
于 2024-01-03 10:29:36 首次发布
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_44302770/article/details/135357365
版权
人工智能专栏计划 专栏收录该内容
141 篇文章 7 订阅

已下架不支持订阅

本文详细介绍了YOLOv8的最新更新，包括如何在代码更新后添加模块，以及如何进行标签透明化、标签文字大小调节和检测框粗细调节。通过修改特定文件和参数，可以实现更佳的目标检测显示效果。
摘要由CSDN通过智能技术生成

点击进入专栏：
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程

文章目录

    • 前言
    • 原本添加模块流程
    • 具体步骤
  • 标签透明化 | 标签文字大小调节 | 框粗细调节
    • YOLOv8 标签透明化
    • YOLOv8 标签文字大小调节
    • YOLOv8 检测框粗细调节

前言

最近 YOLOv8 的官方项目又迎来了一个大更新，这次更新对基础不好的同学影响可能比较大，

这次更新主要就是将原本的 ultralytics/nn/modules.py 拆分成了以下6个文件：

  1. _init_.py
  2. block.py
  3. conv.py
  4. head.py
  5. trasnformer.py
  6. utils.py

有的同学可能不知道该加哪里了，我这里给大家说一下

原本添加模块流程

我们原本的添加模块的修改思路如下，以

了解本专栏 已下架不支持订阅
小酒馆燃着灯
关注
专栏目录

已下架不支持订阅

项目优化篇 | YOLOv8 标签透明化 | 标签文字大小调节 | 框粗细调节
YOLOv8项目贡献者
06-18 6228
YOLOv8 标签透明度调节
yolo修改标注框的线条粗细
yszbrzdd的博客
01-19 1102
测试训练出的模型时，发现标注框很粗，多个标注重叠，怎么解决
yolov8修改预测框上预测结果字体大小
m0_68212477的博客
02-29 3133
yolov8修改预测框上预测结果字体大小
Yolov8修改检测框标签字体大小
m0_73914064的博客
04-20 1790
改变标签大小
YOLOv5/v7改变预测框的标签文字大小
m0_57847261的博客
10-12 1444
找到box_label函数，在该函数内修改，该函数分为两个部分，一部分使用PIL进行图片上文字添加，另一部分使用cv2实现图片上文字添加。修改文件位于YOLO主路径下utils/plots.py。本博客只做了PIL下的标签大小修改，修改过程如下。
yolov8检测框过小解决方案
Suan2014的博客
07-11 2216
训练集上最大边长：ultralytics/yolo/utils/loss.py（此为8.0.117版本位置，前期版本位置不太一样，找到训练的loss函数即可），在loss函数中加入打印，即以下代码中的print。分析：dfl loss是检测框和真实框比较相近时（即在真实框的某个相近范围内），loss就会很小，个人理解是一种软标签，而我们平时用的box loss是硬标签，此时要加大box loss在loss中的权重。将self.reg_max设置为1，即不采用dfl loss，查看检测框是否正常；
《人工智能专栏》必读150篇 | 阅读推荐 & 专栏目录 & Python与PyTorch | 机器与深度学习 | 目标检测 | YOLOv5及改进 | YOLOv8及改进 | 关键知识点 | 工具
weixin_44302770的博客
12-28 1757
人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程。6. Python与PyTorch。5. YOLOv8及其改进。2. 深度学习与目标检测。4. YOLOv5改进。
《人工智能专栏》必读150篇 | 专栏介绍 & 专栏目录 & Python与PyTorch | 机器与深度学习 | 目标检测 | YOLOv5及改进 | YOLOv8及改进 | 关键知识点 | 工具
weixin_44302770的博客
12-25 947
《人工智能专栏》专栏介绍 & 专栏目录 & Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
项目-硬件与成熟软件系统集成子合同初验报告.doc
11-21
"项目-硬件与成熟软件系统集成子合同初验报告" 本报告是关于项目全称硬件与成熟软件采购子合同的初验报告，该报告涵盖了硬件与成熟软件的采购、安装、集成和验收情况。 知识点1：项目合同管理 在该报告中，合同...
matlab平方根法和改进平方根法求解线性方程组例题与程序文件.docx
06-24
本文主要探讨的是利用MATLAB实现的平方根法及其改进方法——改进平方根法，用于求解对称正定矩阵线性方程组。 一、平方根法（Cholesky分解） 平方根法，又称Cholesky分解，是针对对称正定矩阵的一种有效分解方法。...
YOLOX修改检测框、标签文字的粗细大小和标签百分比显示
m0_63215456的博客
12-15 2464
YOLOX修改检测框、标签文字的粗细大小和标签百分比显示
道路红外目标检测数据集 6500张 带标注 voc yolo
2301_78240361的博客
09-20 728
道路红外目标检测数据集 6500张 带标注 voc yolo
基于yolov8的文本表格检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
FL1623863129的博客
09-19 826
【算法介绍】YOLOv8，作为YOLO（You Only Look Once）系列的最新版本，于2023年由Ultralytics公司发布，是当前性能卓越的目标检测器之一。它不仅在通用目标检测上表现优异，还被广泛应用于各种视觉AI任务，包括文本表格检测。基于YOLOv8的文本表格检测系统，充分利用了YOLOv8在目标检测领域的先进技术和优化算法。该系统能够快速准确地从复杂背景中识别并定位文档中的文本和表格，支持多尺度预测和自适应锚框调整，确保对不同大小和形状的文本表格都能有效检测。
YOLOV5 onnx推理 python
weixin_38252409的博客
09-14 422
pip install onnx coremltools onnx-simplifier 3.使用onnx-simplier简化模型 python-m onnxsim best.onnx best-sim.onnx # coding=utf-8 import cv2 import numpy as np import onnxruntime import torch import torc...
管道焊缝质量数据集——good和bad两种标签，0为good.1134个图片，有对应的xml标签和txt标签，可用于yolo训练
2301_78240361的博客
09-16 1143
管道焊缝质量数据集——good和bad两种标签，0为good.1134个图片，有对应的xml标签和txt标签，可用于yolo训练
Python使用YOLOv5图像识别教程包成功-以识别桥墩缺陷详细步骤分享
最新发布
qq_29928661的博客
09-20 1400
在本教程中，我们详细讲解了python如何使用yolov5成功进行图像识别，包括前置环境下载、标注数据集、模型训练、验证和测试的完整流程，适合初学者快速上手YOLOv5图像识别技术，帮助您轻松完成缺陷识别任务。
3、论文阅读：EnYOLO：一种基于图像增强的水下目标区域自适应实时检测框架
DQHNB的博客
09-17 1251
UIE：水下图像增强UOD：水下目标检测AUVS：自主水下航行器水下图像增强在水下目标检测任务方面应用不多，具体有一下原因：（1）使用UIE作为预处理步骤，引入了很大的计算量（2）在目标检测之前进行图像增强未必能够产生性能改进（3）复杂的水下环境导致不同场景下的域偏移，严重影响UOD性能为了解决这些挑战，我们引入了EnYOLO，这是一种集成的实时框架，设计用于同时进行UIE和UOD，并具有域适应能力。具体地说，UIE和UOD任务头共享相同的网络主干，并利用轻量级设计。
yolov8中如何修改检测框
08-16
在YOLOv8中修改检测框的代码位置是。具体的修改内容如下： ``` color = (_COLORS * 255).astype(np.uint8).tolist() text = '{}:{:.1f}%'.format(class_names #第一个数字1代表文字背景块大小 cv2.rectangle(img, (x0, y0), (x1, y1), color, 1) #最后一个数字1代表框的粗细 txt_bk_color = (_COLORS * 255 * 0.7).astype(np.uint8).tolist() cv2.rectangle(img, (x0, y0 - 1), (x0 + txt_size - 1, y0 - int(1.5 * txt_size<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [YOLOX修改检测框、标签文字的粗细大小和标签百分比显示](https://blog.csdn.net/m0_63215456/article/details/128336686)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [yolov5 摔倒检测 跌倒识别](https://download.csdn.net/download/h4934560/86086672)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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

打赏作者

小酒馆燃着灯

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