yolo11训练模型与测试

小徐敲java

已于 2025-03-24 10:42:32 修改

阅读量315

点赞数 2

文章标签： python

于 2025-02-08 19:42:26 首次发布

本文链接：https://blog.youkuaiyun.com/qq_19891197/article/details/145521823

版权

首先先要导入yolo的模型，如下

在这里插入图片描述

数据集中yaml（注意图片最后的路径必须是images，标签的路径是labels）

path: .
train: data/train/images
val: data/valid/images
test: data/test/images

nc: 10
names: ['cat', 'chicken', 'cow', 'dog', 'fox', 'goat', 'horse', 'person', 'racoon', 'skunk']

#roboflow:
#  workspace: yolo-ccdgk
#  project: test_3-qm1g6
#  version: 3
#  license: CC BY 4.0
#  url: https://universe.roboflow.com/yolo-ccdgk/test_3-qm1g6/dataset/3

截图如下

在这里插入图片描述

训练代码

from ultralytics import YOLO
import os
os.environ['KMP_DUPLICATE_LIB_OK']='TRUE'
if __name__ == '__main__':
    model = YOLO('yolo11n.pt')
    model.train(
        data='data4/data.yaml',
        imgsz=640,
        batch=4,
        epochs=10,
        workers=16)

图片测试代码

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO('best.pt')

    result = model(r"data/train/images/516_jpg.rf.cea0ff4bc1596f406d0a83af4ce9332f.jpg")
    result[0].show()
    pass

视频测试代码

import cv2
from ultralytics import YOLO
if __name__ == '__main__':
    model = YOLO('best.pt')
    # 视频路径（替换为你的实际路径）
    video_path = r"D:\Users\admin\Desktop\11\test\5.mp4"

    # 执行推理
    results = model.predict(
        source=video_path,
        save=True,  # 保存结果视频
        imgsz=640,  # 输入分辨率
        conf=0.2,  # 置信度阈值
        # show=False,  # 是否显示实时画面
        show=True,  # 是否显示实时画面
        line_width=2,  # 检测框线宽
        # visualize=False,  # 是否生成特征可视化图（高级功能）
    )
    # 添加等待键，确保窗口保持打开
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    # 打印统计信息
    # print(f"视频处理完成！保存路径：{results[0].save_dir}")