Yolov7, Yolov8使用

这篇具有很好参考价值的文章主要介绍了Yolov7, Yolov8使用。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

YOLOV7

1. 安装和测试:

【小白教学】如何用YOLOv7训练自己的数据集 - 知乎

YOLOv7——训练自己的数据集 - 代码网

conda create --name=yolov7 python=3.8 #the version of your python3 

*** 这里需要注意如果 torch 和torchvion版本太高,会导致GPU不可用,因为GPU drive版本太低。可以使用低版本的: pip install torch==1.12.1 torchvision==0.13.1

将/home/xumin/yolov7/utils/dataloaders.py修改

#sa, sb = f'{os.sep}images{os.sep}', f'{os.sep}labels{os.sep}'  # /images/, /labels/ substrings
sa, sb = f'{os.sep}JPEGImages{os.sep}', f'{os.sep}labels{os.sep}'

其他和Yolov5一样(数据准备,配置等)。。。

需要注意的是

(1)yolov7.yaml中的参数设置要yolov5s一致(如果做对比实验)

# parameters
nc: 1  # number of classes
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

(2) hyp.scratch-low.yaml可以直接copy和使用yolov5的

(3) 如果与yolov5对比,设置optimizer为SGD

Train commands:

python train.py --img 640 --batch 4 --epoch 600 --data data/aphid_voc.yaml --cfg cfg/training/yolov7.yaml --weights weights/yolov7.pt --save_period 100

Test:

python test.py --img 640 --batch-size 1 --data data/aphid_voc.yaml --weights runs/train/yolov7/weights/best.pt

test.py中的‘val’需要修改为‘test’,参考Yolov5

YOLOV8

1. 安装测试

下载:https://github.com/ultralytics/ultralytics

conda create --name=yolov8 python=3.8 #the version of your python3 

安装:

pip install ultralytics

下载模型:

YOLOv8(2023年8月版本)安装配置!一条龙傻瓜式安装,遇到问题评论区提问_yolov8下载-CSDN博客

测试:

yolo predict model=yolov8n.pt source='ultralytics/assets/bus.jpg'

*** 这里需要注意如果 torch 和torchvion版本太高,会导致GPU不可用,因为GPU drive版本太低。可以使用低版本的: pip install torch==1.12.1 torchvision==0.13.1

2. 训练自己的模型

参考:

YOLOv8(2023年8月版本)安装配置!一条龙傻瓜式安装,遇到问题评论区提问_yolov8下载-CSDN博客

YOLOv8训练自己的数据集(超详细)-CSDN博客

YOLOv8 保姆级教程(训练自己的数据集)-CSDN博客

YOLOv8实现缺陷目标检测(附代码和数据集) - 知乎

将/home/xumin/yolov8/ultralytics/data/utils.py修改

#sa, sb = f'{os.sep}images{os.sep}', f'{os.sep}labels{os.sep}'  # /images/, /labels/ substrings
sa, sb = f'{os.sep}JPEGImages{os.sep}', f'{os.sep}labels{os.sep}'

其他和Yolov5一样(数据准备,配置等)。。。

(1)数据集(新建datasets文件夹)

/home/xumin/yolov8/ultralytics/datasets,将数据集放置于该文件夹下,需要注意的是,需要将/home/xumin/yolov8/ultralytics/datasets/voc2011/labels 中的标注文件放置于/home/xumin/yolov8/ultralytics/datasets/voc2011/JPEGImages 文件夹下,否则会出现

LOGGER.warning(f"WARNING ⚠️ No labels found in {cache_path}

(2) 配置文件

/home/xumin/yolov8/ultralytics/cfg/datasets下新建aphid_voc.yaml(直接复制yolov5的也可以)

path: ../datasets/VOC
train: /home/xumin/yolov8/ultralytics/datasets/2011_train.txt
  
val: /home/xumin/yolov8/ultralytics/datasets/2011_val.txt

test: /home/xumin/yolov8/ultralytics/datasets/2011_test.txt

# Classes
nc: 1  # number of classes
names: ['aphid']  # class names

#names:
#  0: aphid

/home/xumin/yolov8/ultralytics/cfg/models/v8中找到yolov8.yaml并修改

nc: 1  # number of classes

(3)修改ultralytics/cfg/default.yaml (可以设置为yolov5的,如果做对比实验)

YOLOv8 保姆级教程(训练自己的数据集)-CSDN博客

(4)安装wandb,之后可以监控训练过程

pip install wandb

Train commands:

yolo train data=/home/xumin/yolov8/ultralytics/cfg/datasets/aphid_voc.yaml model=yolov8s.pt epochs=600 imgsz=640 batch=4 workers=8 optimizer=SGD device=0 patience=0

Test commands:

#需要修改ultralytics/cfg/default.yaml中的 Val/Test settings -

yolo val data=/home/xumin/yolov8/ultralytics/cfg/datasets/aphid_voc.yaml model=/home/xumin/runs/detect/yolov8/weights/best.pt epochs=600 imgsz=640 batch=1 workers=8 optimizer=SGD device=0 split=test文章来源地址https://www.toymoban.com/news/detail-808010.html

到了这里,关于Yolov7, Yolov8使用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • YOLO系列 --- YOLOV7算法(一):使用自定义数据集跑通YOLOV7算法

    这不就尴尬了。。。刚理解完美团出的YOLO V6算法,V7就出来了。。。而且最关键的是V7还有V4作者的背书,不过好在其实V6和V7都是在YOLO V5的基础上修改的代码,所以代码读起来就比较顺畅。YOLOV7算法打算按照以下的结构进行讲解: YOLOV7算法(一):使用自定义数据集跑通YO

    2024年02月04日
    浏览(47)
  • 【YOLO】Windows 下 YOLOv8 使用 TensorRT 进行模型加速部署

    本文全文参考文章为 win10下 yolov8 tensorrt模型加速部署【实战】 本文使用的代码仓库为 TensorRT-Alpha 注:其他 Yolov8 TensorRT 部署项目:YOLOv8 Tensorrt Python/C++部署教程 安装Visual Studio 2019或者Visual Studio 2022、Nvidia驱动 安装cuda,cudnn、opencv、tensorrt并进行相应的环境配置,这里不做配

    2024年02月11日
    浏览(38)
  • YOLO系列概述(yolov1至yolov7)

    参考: 睿智的目标检测53——Pytorch搭建YoloX目标检测平台 YoloV7 首先我们来看一下yolo系列的发展历史,yolo v1和yolox是anchor free的方法,yolov2,yolov3,一直到yolov7是anchor base的方法。首选我们来回顾下每个版本的yolo都做了些什么 yolo v1是将 416 ∗ 416 416*416 4 1 6 ∗ 4 1 6 的图片,分

    2024年02月05日
    浏览(45)
  • 【yolov5&yolov7&yolov8火焰和烟雾检测】

    YOLOv5训练好的火焰检测模型,并包含2000张标注好的火焰和烟雾数据集,标签格式为xml和txt两种,类别名为fire, 有QT界面 采用pytrch框架,代码是python的 火灾检测数据集-1 YOLOv3火焰识别训练模型: https://download.csdn.net/download/zhiqingAI/85438269 yolov5火焰识别训练模型+数据集: https

    2024年04月28日
    浏览(49)
  • YOLO系列 --- YOLOV7算法(四):YOLO V7算法网络结构解析

    今天来讲讲YOLO V7算法网络结构吧~ 在 train.py 中大概95行的地方开始创建网络,如下图(YOLO V7下载的时间不同,可能代码有少许的改动,所以行数跟我不一定一样) 我们进去发现,其实就是在 yolo.py 里面。后期,我们就会发现相关的网络结构都是在该py文件里面。这篇blog就主

    2024年02月05日
    浏览(46)
  • YOLO系列 --- YOLOV7算法(六):YOLO V7算法onnx模型部署

    有很多人来问我,基于YOLO v7算法训练出来一个权重文件,如何进行部署。所以特地写一篇部署的blog~ 一般,我们基于pytorch深度学习框架训练出来的权重文件是pt格式的,我们可以用python来直接调用这个文件。但是实际工业中,一般都是c++去调用权重文件的,所以我们需要将

    2024年02月07日
    浏览(45)
  • YOLOv8/YOLOv7/YOLOv5系列改进| 目录一览表

    💡魔改YOLO系列算法,助力涨点,助力科研。通过添加注意力机制 SE/CBAM/CoordAtt/ECA /SimAM/CrissCrossAttention/ SKAttention/GAMAttention/S2-MLPv2/NAM 等;网络轻量化方法通过更换主干特征提取网络为 MobileNetV3/ShuffleNetV2/EfficientNetv2/Ghostnet/深度可分离卷积/PP-LCNet/mobileone/Ghostnetv2/ELAN 等;优化原

    2023年04月20日
    浏览(48)
  • yolov5、YOLOv7、YOLOv8改进:注意力机制CA

    目录 1.背景介绍 论文题目:《Coordinate Attention for Efficient Mobile NetWork Design》论文地址:  https://arxiv.org/pdf/2103.02907.pdf 2.原理介绍 3.YOLOv5改进: 3.1common中加入下面代码 3.2在yolo.py中注册 3.3添加配置文件 4.yolov7改进 4.1 在common中加入以下代码 4.2在yolo.py中注册 4.3添加配置文件 本

    2024年02月13日
    浏览(54)
  • 【YOLO系列】YOLOv7论文超详细解读(翻译 +学习笔记)

    终于读到传说中的YOLOv7了~≖‿≖✧ 这篇是在美团的v6出来不到一个月就高调登场,作者还是我们熟悉的AB大神(对,就是v4那个),读起来又是“熟悉”的感觉(贯穿了我的整个五一假期(╯-_-)╯╧╧)。 其实关于YOLOv7的网络结构还有很多细节值得深入研究,以及代码

    2024年02月02日
    浏览(75)
  • 【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构

    【注】: 本文为YOLOv5、YOLOX、YOLOv6、YOLOv7模型结构图,作图软件为drawio。因精力有限暂时不做结构的详细阐述和具体的代码讲解,后续有机会再做补充。如有需要可以查阅其他博主的文章了解学习。 【另】:希望模型结构图可以帮助到有需要的人,如模型中有错误的地方,欢

    2024年02月07日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包