yolo-world使用自己数据集训练

最新推荐文章于 2025-03-02 10:20:33 发布
最新推荐文章于 2025-03-02 10:20:33 发布
阅读量3.7k 收藏 35
点赞数 5
分类专栏： LLM 文章标签： YOLO LLM
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/zhaosuyuan/article/details/139987514
版权

YOLO-World下载：
https://github.com/AILab-CVC/YOLO-World/tree/master
1.数据准备
数据格式COCO格式即可
2.配置文件修改
configs/finetune_coco/yolo_world_v2_l_vlpan_bn_sgd_1e-3_40e_8gpus_finetune_coco.py
（1）
在这里插入图片描述
模型下载路径：
yoloworld：https://hf-mirror.com/wondervictor/YOLO-World
clip-vit-base-patch32：https://hf-mirror.com/openai/clip-vit-base-patch32
（2）
在这里插入图片描述
（3）
在这里插入图片描述
（4）
在这里插入图片描述
3.训练模型
python tools/train.py configs/finetune_coco/yolo_world_v2_l_vlpan_bn_sgd_1e-3_40e_8gpus_finetune_coco.py --work-dir log --amp --resume

YOLO-World 简单无需标注无需训练直接可以使用的检测模型
weixin_42357472的博客
03-03 1355
YOLO-World 常规的label基本不用训练，直接告诉填入既可使用。
yolo系列-yolov12训练自己数据集详细过程
最新发布
LZL2020LZL的博客
03-07 472
下载对应的预训练模型的权重文件。1.发现需要额外添加coco.yaml，在路径/home/user/yolov12-main/ultralytics/cfg/datasets/coco.yaml下，将复制其中的内容。在yolov12-main文件夹下新建coco.yaml，粘贴刚刚所复制的内容，更改nc和类名。另外一种指定显卡的方式，在yolov12-main下打开终端输入export CUDA_VISIBLE_DEVICES=“0,1,2,3”，如果设定1，那么程序运行过程中只能看到"CUDA:1"。
Yolo-World在基于自己的数据集训练后zero-shot能力显著下降甚至消失的问题
ITdaka的博客
07-30 2986
关于yolo-world的零样本检测能力问题
Yolo-World在自定义数据集上进行闭集词汇训练过程（一）——使用源码训练模型
ITdaka的博客
05-29 7250
基于自定义数据集如何训练yolo-world模型
目标检测系列—YOLO-World 详解
Azperk的博客
03-02 1446
是腾讯 AI Lab 研发的一款，旨在解决传统目标检测模型在面对新物体类别时的局限性。YOLO-World 通过创新的方法，使得模型可以通过简单的文本提示，识别任何新物体，无需进行额外的训练。这使得 YOLO-World 在方面展现出了巨大的优势。本文将详细解析 YOLO-World 的，并提供如何使用 YOLO-World 的代码示例。
Yolo-World在自定义数据集上进行闭集词汇训练推理过程（二）——使用ultralytics库训练模型
ITdaka的博客
07-22 3088
基于ultralytics库本地训练和推理yolo-world的方法
yolo项目中如何训练自己的数据集
aloha
03-15 1399
需要在电脑新建一个labels.txt文档，文档的一行代表一个标签类别，下一个标签类别必须换行显示，如图所示。注意我这里的第二个框的数据应该是测试集的图片，但是没有找，所以直接用了训练集的图片，有需要自己修改。3.2给图片标注了部分后，我们觉得太多了，太难标注了，可以点击这个加载AI模型进行标注。点击左边的Object Detection，表示用于目标检测。6.1打开detect.py文件（这是一个测试文件）初始权重设置为0，初始线程数设置为0。2.2点击这里上传自己的图片。如下图所示添加以下内容。
yolo-world官方训练log
05-23
yolo-world官方训练log
YOLOv10训练自己的数据集（AutoDL算力云）
weixin_45314480的博客
06-27 3800
将数据集放在dataset目录下目录格式如下：图片以JPG格式放在JPEGImages中标签放在Annotations中YOLO格式需要的txt放在txt中。
YOLO-World
whaosoft143ai的博客
02-02 8581
首先，与在完整LVIS数据集上训练的oracle YOLOv8s相比，YOLO-World取得了显著的提升，尤其是对于较大模型，例如，YOLO-World-L比YOLOv8-L在7.2 AP和10.2 AP上有更好的表现。此外，作为高效的单阶段检测器，YOLO-World在总体性能上超过了之前最先进的两阶段方法，而且无需额外的设计，例如，可学习的提示[7]或基于区域的对齐。预训练的YOLO-World拥有丰富的区域文本对，展示了在大词汇检测方面的强大能力，且更多的数据训练将带来开集能力的更大提升。
YOLOv2训练自己的数据集（VOC格式）
热门推荐
ch_liu23的博客
12-10 6万+
最近在用yolo来做视频中的人员检测，选择YOLO是从速度考虑，在训练数据集的过程中碰到很多坑，并且现在yolo又到了v2的版本，在网络和命令中都有区别
yolo-world资料（源码+文档）
08-19
yolo-world ********************* Highlights & Introduction This repo contains the PyTorch implementation, pre-trained weights, and pre-training/fine-tuning code for YOLO-World. YOLO-World is pre-trained on large-scale datasets, including detection, grounding, and image-text datasets. YOLO-World is the next-generation YOLO detector, with a strong open-vocabulary detection capability and grounding ability. YOLO-World presents a prompt-then-detect paradigm for efficient user-vocabulary inference
YOLO-World：实时开放词汇对象检测
04-11
为了解决这一问题，研究团队提出了YOLO-World，一种结合视觉与语言模型，并利用大规模数据集进行预训练的新方法。 #### 关键技术与创新点 ##### 可重参数化视觉-语言路径聚合网络(RepVL-PAN) **定义与作用**： ...
yolo-world官方代码，预测 + 训练
12-25
每一代YOLO模型的更新都进一步提高了模型在各类数据集上的检测精度，同时也在不断减少对计算资源的需求，使得YOLO能够运行在更多类型的设备上。 YOLO官方代码库通常包含用于训练模型的完整流程和用于预测的代码。这...
yolo-world的实现方式.pdf
08-19
YOLO-World是一种先进的开放词汇对象检测器，其实现方式主要基于YOLO系列检测器的架构，并引入了视觉语言建模和大规模数据集的预训练技术。以下是YOLO-World实现方式的具体介绍： 1. 架构组成 YOLO-World的架构主要...
YOLO-World技术小结
weixin_40779727的博客
02-21 3191
的key，value，将text embedding作为query进行特征交互，从而得到image-aware的文本特征向量。目前我们可以很方便的拿到图片对数据，此处的目标是如何将图文对数据转化成，图片-instance annotation （还可以根据传入的图片和text，输出预测的box及相关的object embedding。当推理的词表是固定的时候，此时text encoder的输出是固定的，再通过NMS过滤掉冗余的bounding box。的标签是用2.3.1节的方法生成的，含有较多噪声导致。
YOLO-World解读：零基础学习开放世界模型
wqthaha的专栏
11-24 4404
YOLO World是一项突破性的技术，它增强了YOLO探测器在开放词汇检测方面的能力。该技术通过视觉语言建模和在大规模数据集上的深度预训练，引入了先进的RepVL-PAN网络以及区域文本对比损失，从而强化了图像与文本之间的相互作用。在LVIS数据集的评估中，YOLO World实现了35.4的AP值和52.0的FPS，这一成就不仅超越了许多尖端方法，也标志着其在性能上的卓越。此外，YOLO World在对象检测和开放词汇实例分割等任务上也展现了卓越的性能，进一步证明了其在该领域的领先地位。
YOLO-World初体验：Ultralytics版本，可直接上手，离线运行
AI数据工厂
02-20 1万+
YOLOv8官方新增了对YOLO-World的支持，本文利用其提供的模型及接口进行了体验。
YOLOv10训练自己的数据集
qq_54134410的博客
06-03 7472
至此，整个YOLOv10的训练预测阶段完成，与YOLOv8差不多。欢迎各位批评指正。
yoloworld数据读取
01-11
### 如何读取 YOLOv5 数据集 YOLOv5 的数据集通常由图像文件及其对应的标签文件组成。标签文件采用 `.txt` 文件存储，每张图片对应一个标签文件。这些标签文件位于特定目录下，并遵循一定的格式。 #### 标签文件结构 对于每一个标注对象，在标签文件中占用一行，其格式如下： - `class_id xc yc w h` 其中： - `class_id`: 类别的索引编号； - `xc`, `yc`: 边界框中心点相对于整幅图宽度和高度的比例位置； - `w`, `h`: 边界框的宽高同样是以比例形式表示[^2]。 #### Python 代码示例：解析YOLOv5标签文件 为了更好地理解如何操作YOLOv5的数据集，下面提供了一段Python代码来展示怎样加载并解释YOLOv5风格的标签文件。 ```python def parse_yolo_label(label_path): boxes = [] with open(label_path, 'r') as f: lines = f.readlines() for line in lines: values = list(map(float, line.strip().split())) class_id, xc, yc, width, height = values[:5] box_info = { "class": int(class_id), "center_x": float(xc), "center_y": float(yc), "width": float(width), "height": float(height) } boxes.append(box_info) return boxes label_file = './path/to/your/image.txt' boxes_data = parse_yolo_label(label_file) print(f"Parsed bounding boxes from {label_file}:") for idx, bbox in enumerate(boxes_data): print(f"Box #{idx + 1}:", bbox) ``` 这段脚本会打开指定路径下的`.txt`文件，逐行读入边界框的信息，并将其转换成易于理解和使用的字典列表形式输出。 #### 图像与标签关联方式 在YOLOv5项目里，一般会在配置文件(`data.yaml`)定义好训练集、验证集以及测试集中各个子集所包含的图像路径集合。而具体的某一张图片与其相应的标签之间的关系，则通过保持相同的文件名（只是扩展不同），比如`image.jpg` 对应着 `image.txt` 来建立联系[^1]。
评论 12
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