Yolov5训练FLIR红外线数据集

最新推荐文章于 2025-04-13 15:35:37 发布
原创 最新推荐文章于 2025-04-13 15:35:37 发布 · 7k 阅读 · 64 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#目标检测 #深度学习 #计算机视觉

本文详细介绍了如何在Ubuntu系统下配置Yolov5 v5.0版本，包括flir.yaml文件的定制、train.py参数调整，以及处理通道数错误的方法。通过实例展示，帮助读者顺利进行模型训练并解决常见问题。
部署运行你感兴趣的模型镜像

训练Yolov5的博客很多了，只要放好数据集位置即可

标签问题请看博客
标签

本博客使用的yolov5-5.0版本

最近确实事情较多，博客写的比较简练，如果有问题，直接评论即可，我会短时间内回复！

主要就是下图的文件放置
在这里插入图片描述
创建flir.yaml文件，这个是yolov5中voc.yaml文件，我直接复制一下
在这里插入图片描述
修改后：（建议在ubuntu系统中训练）
在这里插入图片描述
修改train.py参数

训练过程中如果出现关于channel错误信息的，直接点进去，修改通道数为1即可。

训练结果

请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述

您可能感兴趣的与本文相关的镜像

Yolo-v8.3

Yolo-v8.3

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

从零开始完成YOLOv5目标识别（六）用接续训练完成大规模数据集训练（以FLIR为例）
WZT725的博客
03-29 4472
在上一次训练中断的基础上进行接续训练，同时记录第一次训练大体积基础数据集出现的问题。
YOLOv5改进策略|实战应用案例|YOLOv5机场安全围栏检查，破损围栏检测，YOLOv5平均精度 (AP) 提⾼了 6.9%
斌擎科技
05-27 1998
在当今时代，⻜机在全球交通中发挥着⾄关重要的作 ⽤。确保乘客、货物和机械的安全⾮常重要。这需要⻜机 上和机场基础设施内适当的安全机制。保护空侧等敏感区 域是机场运营商⾯临的⼀项重⼤挑战。例如，在德国，有 超过 540 个机场，其中 15 个根据 Luftverkehrsgesetz § 27d 第 1 段被归类为国际机场。为了获得此分类，机场必须遵守 § 8 Luftsicherheitsgesetz (LuftSiG)，确保其敏感区域（包 括空侧）免受未经授权的访问1。
FLIR红外热图像数据集.txt
03-12
FLIR红外热图像数据集
yolov5训练flir数据集
qq_47899375的博客
04-07 765
解决办法：看了很多其他博客说是cuda与pytorch版本不匹配，一开始使用的是cuda11.3+pytorch1.8.0(换为cuda10.2+pytorch1.9.0)。/models/yolov5s.yaml，将nc = 80修改为nc = 3。使用其他环境容易出现训练时R/P/MAP均为0的情况。data文件夹下新建一个FLIR.yaml。1.1 创建虚拟环境yolov5。4.1 数据集标签中有重复标签。解决方法：将重复标签进行删除。4.1 P/R/mAP均为0。1.2 激活虚拟环境。
使用新版FLIR (FLIR_ADAS_v2) 红外数据集训练基于pytorch的YOLOv7模型
Chi_XU的博客
10-15 1万+
本文主要介绍了如何使用新版FLIR (FLIR_ADAS_v2) 红外数据集来训练基于pytorch的YOLOv7模型
菲力尔（FLIR）红外图像数据集.txt
09-09
FLIR红外数据集，大部分都是汽车一类
基于红外数据集（FLIR）训练YOLOv4
Snow_cat123456的博客
12-15 1万+
1、引言 毕业设计是基于热红外图像的目标检测系统设计，老板要求做一些横向和纵向的实验对比作为支撑，自己基于项目构建的车载红外数据集只有4000多张，加上是自己手动标注的，直接用于实验对比说服力不够，加上标注的精度跟开源的标准数据集相比有一定差距，所以前期的实验还是要在公共数据集上做，最后再迁移到自己的数据集上来。 实验室之前采购了FLIR的红外摄像头，后面就关注到他们开源了一个比较大的带真实标签的红外数据集，官网地址为FLIR数据集，跟我手头数据集的应用场景非常相似，所以决定以该数据集作为前期实验的主要基准
FLIR ADAS数据集及YOLOv5训练
hello world
09-06 1847
请注意，训练中的 499 个图像、验证中的 109 个图像和视频中的 29 个图像没有 RGB 对应图像。• Annotated_ Thermal_8_bit：该文件夹包含经过处理的8 位热数据，以将注释文件夹中的注释边界框覆盖在其上。对于所有图像，车牌都进行了一些最小程度的模糊处理，以使它们难以辨认。• Thermal_8_bit 8 位、应用 AGC、.jpeg 格式的图像，在其他方面与热图像中的图像相同。• 视频：包含一个 144 秒的视频，其中的图像具有唯一一致的标识符（1 到 4224）
yolov3可见光和红外数据集训练（VOC2007&FLIR）
LL990521的博客
05-14 3194
yolov3训练（VOC2007&FLIR） 1.VOC2007 用到数据集中以下三个文件夹 Annotations中存放xml文件，标注了各个目标的位置信息 images中存放图片 ImageSets存放分割的train.txt , test.txt , val.txt ， trainval.txt（自己生成） 1.1 makeTx.py 运行 makeTx.py 文件（放在根目录），会在ImageSets文件夹下生成上述四个 txt 文件 import os import random
基于深度学习的夜视行人检测系统——YOLOv8 + UI 界面 + 数据集完整实现
YOLO
03-18 431
YOLO 系列是最早提出的端到端目标检测算法，将目标检测任务转换为回归问题，通过 CNN（卷积神经网络）直接预测物体边界框和类别。
FLIR Lepton datasheet
11-30
FLIR Lepton datasheet,官方提供，可以下载使用，给大家参考
使用Python提取Flir红外热成像数据
03-09
将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来将Flir热成像拍摄的jpg热象图/红外图中的温度提取出来
FLIR公司的ADAS可见光-红外数据库，百度网盘链接
02-12
FLIR公司的ADAS可见光-红外数据库（共有5个文件总共15G左右），以及两个其他小数据集。FLIR的数据库用于无人驾驶汽车的辅助夜视系统深度学习模型训练。这是目前业内最齐全的数据集。
Flir_FLIR热数据集_spitemeu_机器学习雷达_thermalimage_机动_源码
10-02
适用于算LIR热传感器通过提供激光雷达、雷达和可见光相机之外的补充数据集，在完全漆黑、烟雾、恶劣天气和眩光等具有挑战性的天气条件下，可检测并区分行人、骑行者、动物和机动车辆。检测范围是普通前大灯的四倍。在与可见光数据和从激光雷达和雷达获得的距离扫描数据相结合时，热数据配上机器学习功能，打造更全面的检测和分类系统法训练的免费FLIR热数据集
FLIR训练集数据集yolo格式标签
10-12
FLIR训练集数据集yolo格式标签
利用红外图像数据集FLIR Thermal Starter训练yolov5目标检测算法
qq_40199447的博客
08-12 7153
Yolov5代码：https://github.com/ultralytics/yolov5 1、创建虚拟环境 conda create -n yolo python=3.6 source activate yolo 解压yolov5-master，并进入文件夹 安装需要的各种库 pip install -r requirements.txt 2、数据集制作
FLIR Thermal Starter 数据集详解
热门推荐
持久决心的博客
05-09 1万+
简介 该数据集提供了带注释的热成像数据集和对应的无注释RGB图像，用于训练和验证神经网络。数据是由安装在车上的RGB相机和热成像相机获取的。 数据集总共包含14452张红外图像，其中10228张来自多个短视频；4224张来自一个长为144s的视频。所有视频都来自街道和高速路。大多数图片的采样率为1秒两帧，其中视频的帧率为1秒30帧；少数环境中目标较少时，采样率为1秒1帧。 使用MSCOCO labelvector进行标注。具体如下： 类别 1：People 类别 2：Bicycle —— 自行车和摩托车（
flir红外数据集_FLIR发布TrafiData智能交通热成像传感器解决方案
weixin_42644249的博客
12-27 605
通过FLIR云分析功能，搭载Acyclica的TrafiData智能交通热成像传感器解决方案，将改善城市交通部门的交通管理能力。FLIR TrafiData热像仪能够实时监控道路，同时它既可作为数据采集设备，也可作为分类设备；城市交通规划者可通过它全天候了解交通和行人，可为改善交通管理、打造更智能更安全的城市提供智慧之眼据麦姆斯咨询报道，FLIR Systems(以下简称FLIR)近日宣...
FLIR数据集（适合yolo系列）
最新发布
HLJDQwuzy的博客
04-13 1762
链接: https://pan.baidu.com/s/1HROlaUIaGWQhRHw8o58Xcg?链接: https://pan.baidu.com/s/1ioW5oy6SWLajuOwJopf_gA?现阶段完整的基于yolo的该数据集仅有红外的，没有基于可见光+红外，本人基于superyolo，整理了基于可见光和红外的数据集。基于yolov5：通过网盘分享的文件：yolov5-FLIR。基于superyolo：通过网盘分享的文件：FLIR。--来自百度网盘超级会员v8的分享。
yolov8训练FLIR数据集
02-10
### 使用YOLOv8进行FLIR数据集的训练配置和参数调整 #### 定义必要的环境准备 在开始之前，确保已经安装并设置了适用于YOLOv8的开发环境。这通常涉及到Python版本的选择、依赖库的安装以及GPU的支持情况确认[^1]。 #### 配置数据结构 对于FLIR数据集而言，其标注文件可能遵循特定格式（如COCO JSON），因此需按照YOLOv8的要求转换这些标签至相应的YAML配置文件中。此过程涉及指定图像路径、类别名称列表以及其他必要信息。 #### 编写训练脚本 编写或修改现有的训练脚本来适应FLIR数据集的具体需求。下面是一个简单的例子： ```python from ultralytics import YOLO model = YOLO('yolov8n.yaml') # 加载模型架构定义 model.load_weights('pretrained_yolov8.pth') # 如果有预训练权重则加载 # 设置训练参数 training_params = { 'batch_size': 16, 'epochs': 50, 'learning_rate': 0.01, } # 开始训练 results = model.train(data='path_to_flir_dataset', **training_params) ``` 上述代码片段展示了如何利用`ultralytics`库中的API快速启动一次训练任务，并指定了基本的学习率和其他重要超参[^2]。 #### 参数调优建议 针对FLIR这样的特殊应用场景，在实际操作时可考虑以下几种策略来提升效果： - 尝试不同规模的基础模型(yolov8s, yolov8m等)，寻找最适合当前硬件资源与性能要求之间的平衡点； - 应用适当的数据增强手段(比如随机水平翻转、色彩抖动等)以改善泛化能力； - 对于存在显著类别不均衡现象的情况，采取诸如加权损失函数之类的措施加以缓解； #### 关键注意事项 在整个过程中需要注意的是，每次更改配置之后都应该重新评估模型的表现，确保所做的改动确实有助于提高最终的效果而不是相反。此外，保持良好的记录习惯也很重要，这样可以帮助追踪哪些改变带来了正面影响[^3]。
评论 60
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

Fighting_1997

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

实付元
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