特别致谢@kidous CSDN同名

目录

环境准备

素材准备

模型训练

前言

在目前的深度学习领域中，最主流的框架包括PyTorch、TensorFlow、Keras等，其中PyTorch因其灵活性、易用性和高效的性能收到了学术界与工业界的广泛欢迎。

本章的主要内容为Ultralytics工程的复现，Ultralytics 是一个专注于计算机视觉技术的公司，以其开发的YOLO（You Only Look Once）系列目标检测算法而闻名。YOLO是一种实时物体检测系统，能够在视频的每一帧中同时预测多个物体的位置和类别。它因其速度和效率而在学术界和工业界得到了广泛的应用。

Ultralytics工程中所提供的YOLO系列模型是开源的，这使得研究人员、开发爱好者可以方便的使用这些先进算法。除了这些算法以外，Ultralytics还提供了相关的服务与支持，包括但不限于模型训练、优化、部署等方面的支持，因此，接触Ultralytics对想要入门CV的同学来说十分合适，同学们可以在复现的过程中体会一个深度学习模型从无到有的过程。

环境准备

watt toolkit

steampp-windows密码：1234

打开链接

加速后就能正常访问github了~

VScode

Visual Studio Code - The open source AI code editor

正常安装后打开如下图：

接下来安装两个拓展：

chinese

python

安装中文后，右下角会让你重启，点击即可

接下来搜索：python，下载标红的这个

Miniforge

Miniforge是Miniconda的替代品（处理超快下载超强）

而Miniconda是一种环境管理工具

还有Anaconda（臃肿的conda）

现在点击下面的链接：

Releases · conda-forge/miniforge

找到适合自己系统的版本进行下载

安装成功后，按下win键，下图所示

搜索Miniforge，会显示：

打开后出现以下

我们输入以下指令：

mamba create -n yolo python=3.11

意思是用mamba创建一个名字叫做yolo的环境，这个环境的python解释器版本为3.11

等待弹出提示后，输入：y

出现以下内容则代表新环境创建成功

接着我们输入：

conda activate yolo

我们发现，最前面的括号里的内容变了

我们可以输入：conda env list 来查看我们有哪些环境

*号代表当前我们所在的环境

Git

git是一个版本控制工具

下载链接如下

Git

安装完成后，打开Miniforge，输入：git --version

出现类似下图则代表安装成功：

接着输入（请替换你实际的名字和邮箱）：

git config --global user.name "你的用户名"

git config --global user.email "你的邮箱"

输入完成后即可正常使用Git

      保持在Miniforge的终端内：

确保前面的环境名字为上文的yolo：

输入：pip install ultralytics

出现以下画面代表安装成功

接着我们可以来到桌面等任意位置，右键新建一个文件夹

我们取名为X

接着我们安装X-AnyLabeling，也就是我们打标的工具

打开以下链接

Releases · CVHub520/X-AnyLabeling

下载好后大概率会报告不安全：

这样就可以正常打开了

打开后，看到这么多英文不要怕，立刻切换语言

重新打开就是中文的啦！

除此之外，我们还有更高阶的打开方法（用GPU加速），推荐使用这种方法：

我们回到我们之前的X文件夹，打开它

输入：conda activate yolo，保证进入正确环境

接着输入：git clone https://github.com/CVHub520/X-AnyLabeling/

        表示用git，把这个链接的东西下载到当前文件夹

若出现以下情况，代表无法找到github，是一种网络环境问题

可以用这个工具进行解决：Releases · docmirror/dev-sidecar，更详细的请看相关教程

若出现以下画面，则代表下载成功

我们输入： cd .\X-AnyLabeling\

代表进入这个目录

选择以下一种方式，进行安装

只有电脑有GPU，才有可能有CUDA

要首先知道的CUDA版本，需要输入：

nvidia-smi

看到右上角，对应你的CUDA版本

出现以下画面，代表安装成功

接着，我们找到我们的X文件夹

打开X-AnyLabeling文件夹

左侧打开对应的文件

右下角选择解释器

选择我们的yolo环境

出现以下画面，代表启动正确：

我们发现我们打开了同一个界面

这样的好处是，打标的时候更快更稳定，且我们还可以根据自己的需求进行自定义

如自定义快捷键和自定义模型等操作

我们再来到X这个文件夹

输入：

git clone https://github.com/Linmoqian/yolo_train

这是我为大家准备的相关脚本，省去大家查资料敲代码的功夫

以同样的方法用vscode打开我们新下的文件夹

素材准备

接下来我们去网上找10张动物的照片(PNG或JPG格式）

当然我已经为大家准备好了，放在了your_data路径下

我们回到anylabeling，打开your_data的文件夹

可能出现以下提示：

这是系统检测到部分图片包含EXIF方向信息（通常是手机拍摄的照片会带有这种信息，记录照片的旋转方向）

如果不处理这些EXIF方向数据，直接进行图像标注可能会导致：

• 标注位置与实际图像不匹配

• 训练模型时出现异常

• 标注结果不准确

因此，选择OK，等待处理完成

处理完成不要着急打标，要再一次打开图片所在的文件夹，进行刷新,避免未加载

（exe版本就会出现这个问题，源码版本不清楚，但是为了以防万一还是重新打开一下吧~）

接着我们点击右键

创建多边形或者创建矩形，选中后

输入对应的标签

接着我们打下一张，以此类推，打完为止

确保自己全部打完

我们看到图片所在的文件夹，会发现，多出来了json文件

json文件里便记录了刚才我们打标时的信息

详细如下：

字段	值	作用说明
version	"4.0.0-beta.3"	标注工具的版本号（如LabelMe）
flags	{}	全局标志位，用于图像级别的分类标签
imagePath	"1.jpg"	被标注图像的文件名/路径
imageData	null	图像的base64编码数据（null表示未嵌入）
imageHeight	1390	图像高度（像素）
imageWidth	1200	图像宽度（像素）

字段	值	作用说明
`label`	"cat"	类别标签（猫）
`score`	null	检测置信度（手动标注为null，自动检测时有值）
`shape_type`	"rectangle"	标注形状类型（矩形框）
`points`	[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]	边界框坐标点（4个顶点）
`group_id`	null	分组ID（用于关联多个标注）
`description`	""	文字描述
`difficult`	false	是否困难样本（用于评估）
`flags`	{}	该标注的特定标志
`attributes`	{}	扩展属性（如颜色、姿态等）
`kie_linking`	[]	关键信息提取的链接关系

每个shape代表一个标注框

但是我们先不管那么多，下一步，找到我为大家提供的这个脚本

json2txt.py

注意需要将类别映射修改

再换到下一个脚本,进行数据集划分

DataProess.py

接下来修改数据集配置

修改训练参数配置（根据自己的硬件能力量力而行噢）

训练

回到佛祖保佑的代码，进行运行

出现以下情况，代表我们训练成功

训练的开头会打印模型网络参数，包括模型每一层所使用的模块（module），以及该层的参数（arguements）

from表示该层的输入是从第几层来的，若为-1则表示该层是输入是上一层是输出，n表示该模块的重复次数

arguement中的第一个元素一般表示输入维度，第二个元素一般表示输出维度，若为卷积层（Conv）第三个元素则表示卷积核大小（kernal_size），第四个元素表示卷积核每次移动的步幅（stride）

训练的过程中会打印每个epoch的各类信息，包括显存占用（GPU_mem）、边界框损失（box_loss)、分割损失（seg_loss)、分类损失（cls_loss)、分布焦点损失（dfl_loss）、实例数量（Instance）、图像大小（Size），以及基于分类（Class）和掩码（Mask）的精确率（Precision—P）、召回率（Recall—R）、IoU阈值为50的平均精度均值（mAP50）和IoU阈值范围在50到95之间的平均精度均值（mAP50-95）

训练结束后，会模型进行一次验证(Val），打印验证结构会回将模型的权重文件保存在runs中，如下：

现在来看看训练的效果吧

效果很好

找到这里的best.pt，就是训练好的模型权重啦~

我们可以把它导为其他类型的格式，如ONNX，在边缘设备上进行推理！

想要测试推理的效果，千万不要拿给模型训练过的照片去测评！

不然这和期末考试老师直接给你答案有什么区别（有这好事？）

推理代码如下，自己尝试一下吧~

接下大家可以尝试：

标注自己的好兄弟为：dog

然后，尝试调用电脑摄像头进行实时推理！

至于如何调整YOLO的模型架构、制作自己的模块，下一期出（猴年马月吧）