结合Transformer的YOLOv8多模态 融合可见光+红外光(RGB+IR)双输入 完美复现论文【附代码】

标签：Transformer parser help -- 模型 IR argument YOLOv8 weights

文章目录

• 前言
• 视频效果
• 代码获取
• 文章概述
• 必要环境
• 一、模型训练
• • 1、 定义数据
  • • 1.1、数据集结构
    • 1.2、定义data.yaml
  • 2、 运行方法
  • • 运行效果
• 二、模型验证
• • 运行方法
  • • 运行效果
• 三、模型推理
• • 1. 参数定义
  • 2. 运行方法
  • • 运行效果
• 四、效果展示
• • 白天
  • 夜间
• 总结

---

前言

这期博客是在上期博客的基础上，使用YOLOv8结合Transformer完整复现了论文《Cross-Modality Fusion Transformer for Multispectral Object Detection》。此外，还使用LLVIP数据集跑了一个模型，达到了约96的精度，效果相当不错。接下来，我打算出YOLOv10多模态以及YOLOv10与Transformer结合的相关代码以及博客。如果大家有什么其他想法，欢迎在评论区告诉我~

上期博客地址：
地址：多模态YOLOv8 融合可见光+红外光(RGB+IR)双输入【附代码】

双模态模型结构图：

---

视频效果

b站链接：https://www.bilibili.com/video/BV18JpteVEav

<iframe allowfullscreen="true" data-mediaembed="bilibili" frameborder="0" id="S0lkKLZE-1725715644179" src="https://player.bilibili.com/player.html?aid=113095179502223"></iframe>

结合Transformer的YOLOv8多模态 融合可见光+红外光(RGB+IR)双输入 完美复现论文【附代码】

---

代码获取

完整项目获取地址：结合Transformer的YOLOv8多模态 融合可见光+红外光(RGB+IR)双输入

---

文章概述

本文将详细讲解结合Transformer的YOLOv8多模态训练、验证和推理流程。内容涵盖数据结构的定义、代码运行方法以及关键参数的含义

---

必要环境

1. 配置yolov8/v10环境 可参考往期博客
   地址：搭建YOLOv10环境 训练+推理+模型评估
   

2. 实现过程中参考的论文
   地址：Cross-Modality Fusion Transformer for Multispectral Object Detection
   

---

一、模型训练

1、 定义数据

1.1、数据集结构

如下图所示，分别定义红外光与可见光的数据，images文件夹下存放图像 labels图像存放标注结果(.txt)

上图训练案例下载链接：
https://pan.baidu.com/s/1D6CAY1dDfEfa73ezgc_gQg?pwd=pd4y

1.2、定义data.yaml

根据1.1定义的结构 依次填写路径

2、 运行方法

python train.py --weights yolov8n.pt --cfg models/yolov8n-transformerx3.yaml --data data.yaml --epoch 200 --batch-size 64 --workers 8

运行效果

正常训练时会打印模型在yaml文件中定义的网络结构以及rgb和ir的数据

关键参数详解：

• –weights: 填写预训练模型路径，不使用预训练模型时这里为空
• –cfg:填写网络结构的yaml文件路径，此处为models/yolov8n.yaml
• –data: 填写定义数据集的yaml文件路径
• –epoch: 模型每轮训练的批次，增加轮数有助于提升模型性能,但同时也会增加训练时间
• –batch-size: 模型每轮训练的批次，可根据实际显存大小进行调整
• –workers: 设置数据加载进程数 linux系统下一般设置为8或16，windows系统设置为0

二、模型验证

训练结束后会在最后一轮输出模型的完整指标，但如果想要单独评估一下模型，可以通过如下命令来进行

运行方法

python test.py --weights runs\train\exp\weights\best.pt --data data.yaml --batch-size 128 --conf-thres 0.001 --iou-thres 0.5

运行效果

运行成功后会输出map0.5、map0.75、map0.5:0.95、P、R以及每个类别的AP等指标

关键参数详解：

• –weights: 填写想要评估模型的路径
• –batch-size: 用于评估的批次，一般是训练时的2倍，可根据实际显存大小进行调整
• –conf-thres: 置信度阈值，设置的越大保存的目标框越精确，同理目标数量会减小，评估阶段是默认设置为0.001，可根据实际需求进行调整
• –iou-thres: nms阈值，设置的越小保存的目标框越精确，同理目标数量会减小，评估阶段是默认设置为0.5，可根据实际需求进行调整

三、模型推理

1. 参数定义

parser = argparse.ArgumentParser()
# 检测参数
parser.add_argument('--weights', default=r"weights\transformer_LLVIP\weights\best.pt", type=str, help='Path to model weights file.')
parser.add_argument('--image_rgb', default=r"test\rgb", type=str, help='Directory for RGB images.')
parser.add_argument('--image_ir', default=r"test\ir", type=str, help='Directory for IR images.')
parser.add_argument('--conf_thre', type=int, default=0.3, help='Confidence threshold for detections.')
parser.add_argument('--iou_thre', type=int, default=0.6, help='IoU threshold for NMS.')
parser.add_argument('--save_image', default=r"./results", type=str, help='Directory to save result images.')
parser.add_argument('--vis', default=True, action='store_true', help='Visualize images with detections.')
parser.add_argument('--device', type=str, default="0", help='Device: "0" for GPU, "cpu" for CPU.')
parser.add_argument('--imgsz', type=int, default=640, help='Input image size for inference.')
parser.add_argument('--merge_nms', default=False, action='store_true', help='Merge detections across classes.')
opt = parser.parse_args()

关键参数详解：

• –weights: 指定用于推理的模型路径，可通过更改此路径来加载不同的权重文件
• –image_rgb: 指定包含可见光图像的路径
• –image_ir: 指定包含红外光图像的路径
• –save_image: 指定推理图像保存的路径
• –vis: 可选的标志，启用后将实时显示推理的图像，默认为True
• –device: 指定用于处理的设备，默认是“0”表示使用cuda:0，如果设置为“cpu”，则使用CPU处理
• –merge_nms: 可选标志，启用后将在NMS过程中合并不同类别的检测结果，默认False

2. 运行方法

改好上述参数后直接运行detect_slim.py即可

python detect_slim.py

运行效果

四、效果展示

白天

夜间

---

总结

本期博客就到这里啦，喜欢的小伙伴们可以点点关注，感谢！

最近经常在b站上更新一些有关目标检测的视频，大家感兴趣可以来看看 https://b23.tv/1upjbcG

学习交流群：995760755

标签：Transformer,parser,help,--,模型,IR,argument,YOLOv8,weights
From： https://blog.csdn.net/Dora_blank/article/details/141994743