【深度学习】yolov8-seg分割训练，拼接图的分割复原

最新推荐文章于 2025-09-17 10:47:51 发布
最新推荐文章于 2025-09-17 10:47:51 发布
阅读量994 收藏 8
点赞数 5
CC 4.0 BY-SA版权
分类专栏： 深度学习机器学习 文章标签： 深度学习 YOLO 人工智能
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/x1131230123/article/details/140606459

文章目录

项目背景

在日常开发中，经常会遇到一些图片是由多个图片拼接来的，如下图就是三个图片横向拼接来的。是否可以利用yolov8-seg模型来识别出这张图片的三张子图区域呢，这是文本要做的事情。

在这里插入图片描述

造数据

假设拼接方式有：横向拼接2张图为新图（最短边是高reisze到768，另一边等比resize）、横向拼接3张图为新图（最短边是高reisze到768，另一边等比resize）、纵向拼接2张图为新图（最短边是高reisze到768，另一边等比resize）、纵向拼接3张图为新图（最短边是高reisze到768，另一边等比resize）、拼接一个22的图（每张图大小resize到一样，总大小12901280）。

这个代码会造分割数据。

import os
import random
from PIL import Image


def list_path_all_files(dirname
了解本专栏 订阅专栏 解锁全文
YOLOv8-seg——基于自定义数据集训练图像分割模型
weixin_48679164的博客
07-24 2435
一、制作分割数据集1 标注2 json文件转txt文件3 数据集划分二、训练图像分割模型1 环境搭建2 训练网络3 预测三、训练结果解读。
YOLOv8-seg分割模型
百态老人的博客
03-05 3113
GCT模块和EMA机制在YOLOv8-seg模型中的应用显著提升了分割精度。GCT模块通过引入全局上下文信息和调整通道重要性，提高了模型对遮挡目标的处理能力；EMA机制则通过并行子网结构和跨空间信息聚合，增强了模型对多尺度特征的捕捉能力。
yolov8-seg 分割推理流程
整理ing
11-29 4960
yolov8-seg 分割推理流程
【完整源码+数据集+部署教程】水体与道路分割系统： yolov8-seg-fasternet-bifpn
最新发布
weixin_43860634的博客
09-17 704
【完整源码+数据集+部署教程】水体与道路分割系统： yolov8-seg-fasternet-bifpn
yolov8-seg实例分割
qq_58442297的博客
07-03 2668
比物体检测更进一步，它涉及识别图像中的单个物体，并将它们与图像的其他部分分割开来。实例分割模型的输出是一组勾勒出图像中每个物体的遮罩或轮廓，以及每个物体的类标签和置信度分数。当你不仅需要知道物体在图像中的位置，还需要知道它们的具体形状时，实例分割就非常有用了。YOLOv8是一个流行的目标检测和分割模型，不同的后缀（如n, s, m, l, x）表示不同的模型大小和复杂度。这是模型在CPU上使用ONNX格式运行时的速度，以毫秒为单位。考虑因素：在保持相对较快的处理速度的同时，提供了更好的检测和分割效果。
Yolov8-seg：制作并训练自己的数据集+提取并重建mask
热门推荐
XY_39的博客
03-13 2万+
本篇博文是作者对可见光图像进行图像分割，制作并且训练自己数据的数据集时的操作过程。本文是建立在yolov8-seg模型的基础上进行训练的，没有对模型进行更改。在训练完网络后，实现了对分割结果掩码mask的可视化重建。
YOLOv8---seg实例分割（制作数据集，训练模型，预测结果）
weixin_43624549的博客
06-07 6851
YOLOv8，segment实例分割（制作数据集、训练模型、预测结果）
YOLOv8-Seg分割训练自己的数据集
qq_54134410的博客
12-08 8460
至此，整个YOLOv8-Seg分割模型训练预测阶段完成。此过程同样可以在linux系统上进行，在数据准备过程中需要仔细，保证最后得到的数据准确，最好是用显卡进行训练。有问题评论区见！
【YOLOv8seg部署RK3588】模型训练→转换RKNN→开发板部署
A_l_b_ert的博客
09-08 7854
近期做了一个Mobilenetv2图像分类的开发板部署项目，但考虑到图像分类不足以满足实际项目需求，因此需要实例分割进行部署，而之前使用YOLOv8的目标检测完成了部署，所以一并选择YOLOv8的seg。另外，为什么图像分类没有采用YOLOv8呢？因为瑞芯微官方仓库中关于图像分类项目只有Mobilenetv2和ResNet50v2的demo，当然，图像分类的后处理比较简单，如果有需要，想统一用一套的YOLOv8目标检测&图像分类&实例分割，可以自己简单写一个后处理流程即可。
Yolov8-seg分割预训练模型
11-06
YOLOv8-seg是一种基于YOLO（You Only Look Once）系列的深度学习目标检测与分割模型，专门针对实时图像分割任务设计。该模型在YOLOv8的基础上进行了改进，以提升目标检测和像素级别的分割性能。YOLO系列模型以其快速...
yolo8分割预训练模型权重，包括yolov8l-seg.pt、yolov8m-seg.pt、yolov8n-seg.pt、yolov8s-seg.pt、yolov8x-seg.pt
02-19
YOLOv8分割模型的预训练权重文件包括了不同规模的模型版本，分别为：yolov8l-seg.pt、yolov8m-seg.pt、yolov8n-seg.pt、yolov8s-seg.pt、yolov8x-seg.pt。这里的“l”、“m”、“n”、“s”、“x”代表的是模型的...
基于深度学习Superpoint 的Python图像全景拼接（Python2）
08-29
博客连接https://blog.csdn.net/qq_33591712/article/details/84947829#comments 用superpoint方法代替surf提取图像特征，进行Python版本的图像拼接。
一种改进的基于深度学习的遥感影像拼接方法.pdf
08-19
一种改进的基于深度学习的遥感影像拼接方法.pdf
yolov8-seg模型源码，实例分割，带数据集，测试可执行demo
12-25
这份资源是一份针对深度学习计算机视觉领域的实例分割源码，使用 Ultralytics YOLOv8-seg 模型和 COCO128-seg 数据集进行目标检测和实例分割任务。提供了一个亲身测试且直接可运行的实例分割解决方案。 数据集我已经...
YOLOv8 实例分割详解
weixin_52603404的博客
03-06 6187
实例分割（Instance Segmentation）是计算机视觉中的一项关键任务，它不仅可以检测物体的位置，还能为每个目标生成精确的像素级掩码。YOLOv8 在目标检测的基础上，新增了实例分割（segmentation）功能，使得该模型可以高效地进行语义分割和目标分割任务。本文将详细介绍如何使用 YOLOv8 进行实例分割，包括数据准备、模型训练、推理、评估及优化等内容。YOLOv8 的实例分割版本采用了基于掩码（Mask-Based）的分割方法，结合目标检测的能力，预测每个目标的精确轮廓。它的主要特性如
【实例分割项目】之yolov8-seg（一）用半自动标注工具生成自己的数据集并训练和使用
ailaier的专栏
01-17 7045
用半自动工具制作yolov8实例分割数据集，并训练和验证。
毕业设计：基于深度学习的视频图像拼接系统
Hai_Lang_IT的博客
04-12 2171
毕业设计：基于ORB的视频图像拼接系统通过结合深度学习和计算机视觉技术，实现了自动化的视频片段拼接和全景图像生成。我们使用ORB算法进行关键特征点提取和匹配，通过准确的图像配准和融合算法，将多个视频片段拼接成连贯的全景图像。为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提供了一个具有挑战性和创新性的研究课题。
《深度学习》OpenCV 图像拼接 原理、参数解析、案例实现
wx_AHao1004Y的博客
09-29 3257
图像拼接是指将多个图像拼接成一个大图像。在计算机视觉和图像处理领域，图像拼接常用于创建全景图像、创建大幅面照片、图像拼接等应用。import cv2import sysdef detectAndDescribe(image): # 函数用于gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # 将影色园片转换成死没图descriptor = cv2.SIFT_create() # 建立SIFT生成器。
YOLOV8实例分割（环境配置+搭建模型+数据集制作+训练+预测全套）
m0_63172128的博客
07-29 1万+
双击exe——Next——I Argee——just me ——选择路径（建议自定义，不要安装到c盘，且安装路径不要出现中文）——两个勾都勾上，不然配置环境很麻烦——Install——接下来页面两个勾不选——fnish完成安装。接下来进入自己虚拟环境，前面base变成了自己的环境名称，就可以接下来在这个环境里为所欲为了，安装卸载，即使弄错了，去anaconda安装路径找envs文件夹，里面有你的虚拟环境可以整个复制或者删除。点开能进入命令框，输入python，可以看到python版本。
汽车行人图像分割数据集与YOLOv8-seg模型训练成果
该文件标题为“汽车行人图像分割数据集以及训练后的YOLOv8-seg模型”，描述中明确指出其内容包含一个完整的用于图像分割任务的标注数据集，以及两个已经完成训练并收敛的YOLOv8-seg模型（yolov8s-seg和yolov8m-seg）...
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