基于YOLO实现指鹿为马

原文来源：

https://blog.youkuaiyun.com/yhdfgvsag/article/details/46554444?hajhd=66545.46115.54440.12

先看YOLO11n模型的识别效果，可见效果不理想，不仅类别错误框也不精确。

接下来实现指鹿为马。

1.使用打标签工具Labelimg对此原图打标注以获得框的4个坐标信息，注意标签信息保存格式不要选YOLO格式生成TXT文件，而是选VOC格式生成XML文件，因为不需要归一化后的坐标信息。

2.改动ultralytics\engine\results.py里的代码。

将

            for i, d in enumerate(reversed(pred_boxes)):
                c, d_conf, id = int(d.cls), float(d.conf) if conf else None, None if d.id is None else int(d.id.item())

                # modified
                if new_names is not None:
                    name = ("" if id is None else f"id:{id} ") + new_names[c]
                else:
                    name = ("" if id is None else f"id:{id} ") + names[c]

                label = (f"{name} {d_conf:.2f}" if conf else name) if labels else None
                box = d.xyxyxyxy.reshape(-1, 4, 2).squeeze() if is_obb else d.xyxy.squeeze()
                annotator.box_label(
                    box,
                    label,
                    color=colors(
                        c
                        if color_mode == "class"
                        else id
                        if id is not None
                        else i
                        if color_mode == "instance"
                        else None,
                        True,
                    ),
                    rotated=is_obb,
                )

换为

target_info = [
              [0, 1.00, torch.tensor([60, 56, 362, 363])],
              ]
for c, d_conf, box in target_info:
    name = ['horse'][c]
    label = (f"{name} {d_conf:.2f}" if conf else name) if labels else None
    annotator.box_label(box, label, color=colors(c, True), rotated=is_obb)

其中的target_info = [[0, 1.00, torch.tensor([60, 56, 362, 363])], ]分别为框的类别、置信度和4个坐标信息，0代表name = ['horse'][c]里的第一个类别马horse，置信度为1.00，而坐标信息60, 56, 362, 363则由XML文件里的数据直接复制粘贴即可。

3.运行ultralytics\models\yolo\detect\predict.py对这一张图片进行预测即可，随便输入一个权重文件即可无关紧要。

最后生成效果如下图所示，你看这马的框标得，那是又快又准，绝对保真，好吧！