YOLOv8单目标检测

文章目录

• • • 1.数据集
    • 2.模型训练
    • 3.转onnx并推理
    • • （1）输出结果解释
      • （2）推理
    • 4.YOLOv8参数说明

用于个人记录，好记性不如烂笔头

其实整体训练的流程和V5差不多，只是V8不需要下载工程文件了，而是可以通过安装ultralytics，然后进行调用

pip install ultralytics

1.数据集

​ 数据集的制作方式和V5完全一致，唯一的区别是我们需要自己创建一个yaml的配置文件，该文件是为了让V8读取到数据。而这个yaml的格式是跟V5的类似的。

v5的操作链接如下，里面包含了数据集制作方式，和xml转txt的详细说明，可以参考一下：
YOLOv5单目标识别

本次我要识别的是一个数字“8”，图片和层级目录如下：

下面的图片是V5版本的数据的配置

而V8的yaml的配置如下

train: [F:\yolodata\8\train.txt]
val: [F:\yolodata\8\val.txt]


# number of classes
nc: 1

# class names
names: ['eight']

2.模型训练

准备好数据集以及配置文件后，就可以开启模型训练了。因为不需要下载工程文件了，所以我们创建一个v8_train.py文件，然后将要配置的参数写上即可

注意：需要自己去官方去下载预训练的模型，这里我用的yolo8s.pt

from ultralytics import YOLO


if __name__ == '__main__':
    model=YOLO(r"F:\yolodata\8\yolov8s.pt")
    model.train(
        data=r"F:\yolodata\8\eight.yaml",
        imgsz=320,
        device=0,
        epochs=10,
        name="eight8",
        batch=64,
        fliplr=0,#图像左右翻转（概率）
    )

当执行上面的代码后，当运行结束后，提示运行结果保存的位置在：Results saved to runs\detect\eight83。我这里运行的结果是保存在v8_train.py的同一个文件夹中的.

运行结果图片

这里我是把数据集，配置文件，训练的py，预训练的模型都放在一个文件夹，所以看起来有点乱，其实可以分成两个文件夹，数据集放到另一个文件夹。训练好的模型就在runs文件夹中

3.转onnx并推理

（1）输出结果解释

from ultralytics import YOLO


if __name__ == '__main__':
    model_path=r"F:\yolodata\8\runs\detect\eight83\weights\best.pt"
    model=YOLO(model_path)
    model.export(format='onnx',imgsz=320)# 自己模型的配置，我的图片大小是320的，官方的是640
    

​ 可以看到转成onnx后，onnx文件存放的位置也是在weights文件夹中，我们将onnx模型打开，他的输出是tensor: float32[1,5,2100],这里需要解释一下为什么他的输出会是这样的。我们对比一下官方的预训练模型

我们自己的模型如下

官方的模型如下

官服的输出是float32[1,84,8400]

from ultralytics import YOLO

if __name__ == '__main__':
    model_path=r"F:\yolodata\8\yolov8s.pt"
    model=YOLO(model_path)
    model.export(format='onnx',imgsz=640)#官方的数据集是640

​ 解释如下：

​ 我们知道YOLO是有三个不同尺度的检测头（anchor），分别是80x80，40x40，20x20,这个三个size是怎么计算出来的呢，是因为yolo使用三个尺寸的下采样比例分别是8,16,32，官方使用640大小的图片，所以640分别除以8,16,32得到的就是80 40 20。

​ 由于特征图中的每个网格产生一个预测结果，(80x80+40x40+20x20)所以是8400个预测结果。官方使用的640x640的图片，而我们的图片大小是320x320，hw都分别都缩小了2倍，自然计算出来的结果就会少了2x2=4倍。8400/4=2100

与v5的不同，v5是每个网格会产生3个预测结果，计算出来是25200。

​ 输出解释：

​ tensor: float32[1,5,2100]，代表什么呢？

​ 1表示batch_size

​ 5分别表示xywh和类别的得分，这里只有一个类，所以只有一个得分（官方的有80类所以是84）

​ 2100表示检测框的数量

​ 如果我们把[1,5,2100]展开则是这样的：

​ ([[[x,x1,x2,x3…x2100],

​ [y,y1,y2,y3…y2100],

​ [w,w1,w2,w3…w2100],

​ [h,h1,h2,h3…h2100],

​ [s,s1,s2,s3…s2100]

​ ]]])

​

​ 所以我们只需要根据最后一行，将分数最大的那一列xywh拿出来即可

（2）推理

​ 从onnx中我们知道它的输入要求shape为(1, 3, 320, 320) float32类型，并且yolo在对图片处理中还进行了归一化处理，所以我们推理的时候也要对输入的图片做相应的处理

import numpy as np
import os
import onnxruntime as ort
import cv2



img_path=r"F:\yolodata\8\Frames\155.png"
onn_path=r"F:\yolodata\8\runs\detect\eight83\weights\best.onnx"
provider=ort.get_available_providers()[1 if ort.get_device() == 'GPU' else 0]

ort_session=ort.InferenceSession(
                                onn_path,
                                providers=[provider])
# 图片处理
img=cv2.imread(img_path)
img_dst=img[np.newaxis,:,:,:].astype(np.float32)
img_dst=img_dst.transpose(0,3,1,2)/255.0
# print(img.shape,img.dtype) # (1, 3, 320, 320)  float32

# 推理
resluts=ort_session.run(output_names=["output0"],
                        input_feed={"images":img_dst})

# print(resluts[0].shape) # (1, 5, 2100)
best_index=resluts[0][:,-1,:].argmax() # 1750


position=resluts[0][:,:,best_index]
cx,cy,ww,hh,ss=position[0][0],position[0][1],position[0][2],position[0][3],position[0][4]
new_img=cv2.imread(img_path)
cv2.putText(new_img,str(round(ss,3)),(int(cx-ww/2),int(cy-hh/2)-5),cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,255),2)
cv2.rectangle(new_img,(int(cx-ww/2),int(cy-hh/2)),(int(cx+ww/2),int(cy+hh/2)),(0,0,255),2)

# 显示两张图片
combined_img=np.hstack((img,new_img))
cv2.imshow("combined_img",combined_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码执行后图片显示效果如下

4.YOLOv8参数说明

model.train()参数说明**

参考链接：https://blog.csdn.net/qq_42452134/article/details/135168930

model.export()参数说明

参考链接：https://blog.csdn.net/qq_42761751/article/details/140825169

完结！！！