YOLO11训练自己的数据集(吸烟、跌倒行为检测)

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

前言

相关介绍

  • YOLO11是Ultralytics YOLO系列实时目标探测器的最新版本,重新定义了具有尖端精度,速度和效率的可能性。在以前的YOLO版本令人印象深刻的进步的基础上,YOLO11引入了架构和训练方法的重大改进,使其成为广泛的计算机视觉任务的通用选择。
  • [1] YOLO11 源代码地址:https://github.com/ultralytics/ultralytics.git
  • [2] YOLO11 官方文档:https://docs.ultralytics.com/models/yolo11/
  • 关键特性
    • 增强的特征提取:YOLO11采用了改进的骨干和颈部架构,增强了特征提取能力,以实现更精确的目标检测和复杂的任务性能。
    • 优化效率和速度:YOLO11引入了精炼的架构设计和优化的培训管道,提供更快的处理速度,并保持精度和性能之间的最佳平衡。
    • 更少参数的更高精度:随着模型设计的进步,YOLO11m在使用COCO数据集时实现了更高的平均平均精度(mAP)。

前提条件

实验环境

torch==2.0.1
torchvision==0.15.2
onnx==1.14.0
onnxruntime==1.15.1
pycocotools==2.0.7
PyYAML==6.0.1
scipy==1.13.0
onnxsim==0.4.36
onnxruntime-gpu==1.18.0
gradio==4.31.5
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0
huggingface-hub==0.23.2
safetensors==0.4.3

安装环境

pip install ultralytics
# 或者
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple # 国内清华源,下载速度更快

在这里插入图片描述

在这里插入图片描述

项目地址

Linux

git clone https://github.com/ultralytics/ultralytics.git

cd ultralytics
# conda create -n yolo11 python=3.9
# conda activate yolo11
pip install -r requirements.txt
pip install -e .
Cloning into 'ultralytics'...
remote: Enumerating objects: 4583, done.
remote: Counting objects: 100% (4583/4583), done.
remote: Compressing objects: 100% (1270/1270), done.
remote: Total 4583 (delta 2981), reused 4576 (delta 2979), pack-reused 0
Receiving objects: 100% (4583/4583), 23.95 MiB | 1.55 MiB/s, done.
Resolving deltas: 100% (2981/2981), done.

Windows

请到https://github.com/ultralytics/ultralytics.git网站下载源代码zip压缩包。

cd yolov10
# conda create -n yolo11 python=3.9
# conda activate yolo11
pip install -r requirements.txt
pip install -e .

使用YOLO11训练自己的数据集进行吸烟、跌倒行为检测

准备数据

本文所使用数据集下载地址:https://download.youkuaiyun.com/download/FriendshipTang/89862078

在这里插入图片描述

进行训练

yolo train model=yolo11n.pt data=../datasets/Smoke-Fall-YOLO-datasets/smoke_fall.yaml epochs=100 batch=16 imgsz=640 device=0 workers=0

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

进行预测

在这里插入图片描述
在这里插入图片描述

yolo predict model=runs\detect\train\weights\best.pt source=test_imgs/

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

进行验证

yolo detect val data=../datasets/Smoke-Fall-YOLO-datasets/smoke_fall.yaml model=runs\detect\train\weights\best.pt batch=16 imgsz=640 device=0

在这里插入图片描述

参考文献

[1] YOLO11 源代码地址:https://github.com/ultralytics/ultralytics.git
[2] YOLO11 官方文档:https://docs.ultralytics.com/models/yolo11/

AD7606是一款高性能的8ch、16位带同步采样的高速数据获取模块。它能够实现快速采样,高精度转换,广泛的动态范围和高抗干扰能力。本文旨在从数据手册的角度阐述AD7606。 首先是整个手册的结构,该手册包含了从产品概述到应用案例等一系列内容,条理清晰且逻辑性强,使读者能够快速了解AD7606的基本信息。 接着是产品规格部分,详细介绍了AD7606的主要功能参数,其中包括了采样率、分辨率、供电电压、功耗、接口类型等。此外,该部分也介绍了AD7606的电子特性,如器件电压等级、输入阻抗、单通道增益误差和非线性度,使用户能够准确地理解模块的电性质。 其次是应用部分,该部分介绍了AD7606的主要应用场景,如工业控制、仪器测量、医疗器械等领域,以及AD7606在这些领域中的优势和应用实例。此外,该部分还包括了软件和硬件设计指南,对于极致的应用场景下,AD7606的适配和匹配更加全面。 最后是变电器部分,该部分介绍了变电器的基本概念和工作原理,以及如何正确使用和选配变电器,对于初学者更是友好。 总而言之,在阅读数据手册时,应该先从整个手册的结构入手,然后再深入了解产品规格和应用案例等方面的内容。AD7606数据手册的整体结构清晰,内容详实,能够让读者快速而准确地理解AD7606的特性和应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FriendshipT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值