1.總結(jié)一下
- 最開(kāi)始為了檢測(cè)不規(guī)則的麻包袋，所以采用了目標(biāo)檢測(cè)。yolov3，fasterrcnn，ssd。這種矩形框還是可以用。后面檢測(cè)的物體變成了規(guī)則的紙箱，我們還用目標(biāo)檢測(cè)發(fā)現(xiàn)，沒(méi)有旋轉(zhuǎn)角度，因?yàn)橄渥拥臄[放不是正的。只能通過(guò)opencv的minarea去找到最小矩形框去尋找角度。但是opencv的方式首先對(duì)物體要和背景顏色區(qū)分，其次不夠優(yōu)美，畢竟算是2步走。
- 后面又嘗試多訓(xùn)練一個(gè)角度，也就是把角度分成180個(gè)類別去分類，這個(gè)方式及其不穩(wěn)定，也可能是我代碼寫的不好，但是后面發(fā)現(xiàn)，有人在做旋轉(zhuǎn)矩形檢測(cè)
- 旋轉(zhuǎn)矩形框檢測(cè), 說(shuō)實(shí)話，我把楊雪提供的框架跑了一遍，效果很差，角度的回歸就像沒(méi)用一樣，反正很不如意。
- 實(shí)在沒(méi)轍，只好采用了實(shí)力分割，maskrcnn。這個(gè)是真好用，大概標(biāo)定50個(gè)樣本，訓(xùn)練100epoch效果就很棒了。我們一直采用這種方式大概用了2年。
- 但是從我測(cè)試了rotated_rtmdet后。我真的覺(jué)得醍醐灌頂?shù)乃?，一直采用?shí)力分割去做箱子的識(shí)別，總讓我感覺(jué)很別扭。現(xiàn)在終于有一個(gè)可以落地的旋轉(zhuǎn)目標(biāo)檢測(cè)。我就覺(jué)得公司的3D拆垛已經(jīng)終于走上正軌了。
- 后面yolo又推出了，v4v5v6v7 其中還有ppyolo,yolox,yoloe , 包括現(xiàn)在的v8。我也不斷的嘗試更新算法。但是說(shuō)實(shí)話目標(biāo)檢測(cè)真的算是走到頭了。當(dāng)然也是我個(gè)人的最終版。因?yàn)楣驹?，個(gè)人將不在做視覺(jué)類的項(xiàng)目了，所以視覺(jué)類的目標(biāo)檢測(cè)和實(shí)力分割或者分類也就不在繼續(xù)研究了。
2.yolov8代碼梳理
參考
說(shuō)實(shí)話，我不太懂他們改變的原因，看代碼而言并不困難?；竞蛌5差不多。而且解耦檢測(cè)頭也是和yolox一樣的。
總體來(lái)說(shuō)，這個(gè)模型的精度和速度是對(duì)做工程和做應(yīng)用的非常友好，我用自己的數(shù)據(jù)集，訓(xùn)練50個(gè)epoch，沒(méi)有修改任何東西，map都跑到了99.5.非常驚艷。
3. 訓(xùn)練自己的數(shù)據(jù)集
- 數(shù)據(jù)集還是yolo格式。如果是labelme標(biāo)注的json格式，參考 修改json標(biāo)注為txt文件。或者就直接采用labelImg標(biāo)注，生成yolo格式的標(biāo)注文件參考
- 修改數(shù)據(jù)配置文件，也就是復(fù)制一份coco.yaml 。修改路徑為自己的數(shù)據(jù)集路徑
文件放在G:\sick\SH_visionary-s\ultralytics\ultralytics\yolo\v8\detect\coco.yaml
-
下載yolov8n.pt 放在和train.py同目錄下。
-
修改訓(xùn)練參數(shù)，路徑在G:\sick\SH_visionary-s\ultralytics\ultralytics\yolo\cfg\default.yaml ，
我就修改了這些文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-518888.html -
執(zhí)行train.py的文件就好文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-518888.html
到了這里，關(guān)于yolov8代碼梳理 訓(xùn)練自己的數(shù)據(jù) 最終版的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
