Yolov8实战学习#1:关键点检测

过程:

标注关键点->检测数据集->用数据集训练深度学习算法->对算法做训练调参，性能评估->对新的图像视频摄像头实时画面进行推理预测,并且应用部署在终端设备上（智能手机端，PC端，服务器云端，jetson nano开发板，智能硬件机械臂）。

关键点检测:

使用labelme标注工具，标注出labelme格式的关键点检测数据集，然后再把label me格式的数据集转换成yolo格式,yolo格式的数据集用来训练yolo系列的算法(这里用yolov8)。

我们用yolov8来训练yolov8的关键点检测算法，得到.ph的python文件，再转成onnx格式，用ONNX RUNTIME，或者英伟达的TensorRT这些推理引擎来应用部署。

关键点检测标注背景介绍

样例数据集:30度直角三角板关键点检测

labelme工具下载地址:GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).

 

标注工具labelme介绍

labelme标注格式介绍

可视化Labelme标注

关键点检测数据集探索挖掘

YOLO格式标注

Labelme格式标注转YOLO格式

开源关键点检测数据集