我是如何从零安装并使用YOLOv11的

记录发帖原因

今天是2024年12月27日，事情的起因是这样的，我们的人工智能老师要求我们做一个与人工智能相关的大作业，比如自然语言生成、语音识别、目标检测啥的课题，本人对目标检测这个课题有点兴趣，于是就选择了YOLO。（这篇文章可能篇幅较短，请见谅，本人这一周是考试周，后面有空还会再更新的）

1. 安装

关于YOLO是什么、谁做的、做来干嘛的，我就不多说了，想了解的可以去看其他人的介绍。
这是YOLO的官网：https://docs.ultralytics.com/quickstart/

我们根据教程的指引，直接输入指令安装即可：
pip install ultralytics

（后续还需要安装numpy、opencv-python等等之类的库）

2. 测试使用

安装完成之后，我们随便创建一个py文件，并在代码的同级目录下随便准备一张 demo.jpg 照片 ，把以下代码复制进去并运行:

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO("yolo11n.pt")
    results = model("demo.jpg")
    for result in results:
        result.show()

（本人的这个demo.jpg照片是这个：

）

接下来我们运行代码：

发现正常运行，说明我们的YOLO安装没问题了。

上边这些一个个的矩阵框，我们在下文中都称其为盒子。盒子的左边是标签名称，右边的小数是对应该盒子的置信度

3. 训练

（小提醒：即使自己的笔记本电脑是游戏本，也不要轻易在游戏本上训练，不然显卡真会搞崩溃。。。推荐都在云算力机器上进行训练（应该都要钱））

训练py代码：

from ultralytics import YOLO

if __name__ == '__main__':
    pre_pt_filename = "yolo11n.pt"
    dataset_yaml_filename = "helmet_dataset"
    
    model = YOLO(pre_pt_filename)
    results = model.train(data=dataset_yaml_filename, epochs=100, imgsz=640, device=0, workers=18, batch=64)

其中，epochs是训练轮次，workers是训练的线程数量，batch是批处理大小（即一次性训练处理的量）

dataset.yaml：

path: /root/work/fire
train: images/train
val: images/val
test: images/test

names:
  0: fire

在 dataset.yaml 文件中，path 是数据集的总路径，后边的训练集train、验证集val、测试集test都是相对于path的相对路径。

以下是我在在线云算力机器上训练的过程截图 （在云算力机器上训练的话，可以尽情调整 batch和 workers 来完全压榨算力机机能）：

训练完成后，命令行会有提示。然后训练完成后的过程图和pt模型文件都会在 runs/detect/trainXXX 文件夹下（训练好的pt模型文件都在weights文件夹下，一般来说，这里边会有两个pt文件，分别叫 best.pt 和 last.pt。前者是所有epochs轮次训练的过程中，训练效果最好的一个，一般来说我们就用这个作为最终效果pt模型；后者则是保持有最后一轮epoch的pt模型，如果你想在训练了100次的基础上，再训练100次，就得用 last.pt 作为预训练模型再重新训练）

4. 摄像头检测

import cv2
from ultralytics import YOLO

model = YOLO("C:\\Users\\90965\\Desktop\\YOLO\\runs\\detect\\train\\weights\\best.pt")
video_path = 0
cap = cv2.VideoCapture(video_path)
while cap.isOpened():
    success, frame = cap.read()
    if success:
        results = model(frame, conf=0.7)
        for r in results:
            for detection in r.boxes.xywh:
                x = detection[0].item()              # x坐标为列表中的第一个
                y = detection[1].item()              # y坐标为列表中的第二个
                w = detection[2].item()              # 矩形框宽度为列表中的第三个
                h = detection[3].item()              # 矩形框高度为列表中的第四个
                print("中心点 x 坐标:", x)
                print("中心点 y 坐标:", y)
        annotated_frame = results[0].plot()
        cv2.imshow('test', annotated_frame)
        if cv2.waitKey(10) & 0xFF == ord("q"):
            break
    else:
        break
cap.release()
cv2.destroyAllWindows()

上边的 model 填写为你所训练的best.pt文件的路径，这时候通过摄像头就可以看到你所训练的模型的效果。
conf是最低置信度。假设设置此值为0.7，则盒子的置信度若低于0.7，将会被直接忽略，只保留置信度高于0.7的盒子。

5. 获取盒子数据

model = YOLO("watch.pt")
video_path = 0
cap = cv2.VideoCapture(video_path)
while cap.isOpened():
    success, frame = cap.read()

    if success:
        results = model(frame, conf=user_conf)
        result_log = ""
        num = 0
        
        for r in results:
            for i in range(len(r.boxes.xywh)):
                x = r.boxes.xywh[i][0].item()
                y = r.boxes.xywh[i][1].item()
                w = r.boxes.xywh[i][2].item()
                label_name = r.names[r.boxes.cls[i].item()] # 标签名称
                if (label_name == "head"):
                    num += 1
                    cv2.putText(frame, str(num), (int(x), int(y)), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2, cv2.LINE_AA)
                    cv2.circle(frame, (int(x), int(y)), int(w), (0, 0, 255), 2)
                    point_str = "侦测到未佩戴头盔者: 【" + str(num) + "】"
                    result_log += point_str + "\n"
                elif (label_name == "helmet"):
                    num += 1
                    cv2.putText(frame, str(num), (int(x), int(y)), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA)

len(r.boxes.xywh)是被检测到的盒子数量

x = r.boxes.xywh[i][0].item()
y = r.boxes.xywh[i][1].item()
w = r.boxes.xywh[i][2].item()
h = r.boxes.xywh[i][3].item()
这四者分别是盒子的x坐标，y坐标，宽度和高度（也就是你在上文第2点看到的那张图的那一堆盒子）

通过 label_name = r.names[r.boxes.cls[i].item()] 可以获取盒子的标签名称（比如上文第2点的那张图里边的person、chair、cup、tie）

通过这些数据，你就可以自行干你想干的事情啦。