【YOLO】Python实例分割 YOLOv5 |
您所在的位置:网站首页 › onlyoffice 原理 › 【YOLO】Python实例分割 YOLOv5 |
前言 前段时间,YOLOv5推出7.0版本,主要更新点是在目标检测的同时引入了实例分割。 目前,YOLOv5团队已经转向了YOLOv8的更新,因此,7.0版本大概率是YOLOv5的最终稳定版。 更新信息 官方公告中给出了YOLOv5-7.0的更新要点: 推出了基于coco-seg的实例分割预训练模型 Yolov5-seg的变动 仔细对比yolov5的目标检测与分类的代码框架,主要的改动点在以下几个方面: 1. 训练、测试、验证等的代码入口; 2. 数据加载和预处理; 3. 网络变动; 4. loss的变动; 5. 评价指标。 下载预训练模型 官方仓库有不同模型大小的预训练模型,这里以yolov5m-seg为例。 下载链接:https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5m-seg.pt 数据集的文件结构如下: screen-seg images train2017 labels train2017 其中第一个为类别标签,后面的两个为一组,即(x1,y1),(x2,y2)…意为一个个点,这些点连线即为所框选的实例。 模型训练 下面以coco128-seg数据集训练为例,首先修改screen-seg.yaml配置文件,修改相应路径: path: screen-seg train: images/train2017 val: images/train2017 之后终端运行: 数据集制作: github地址:https://github.com/vietanhdev/anylabeling 编辑 在 YOLO 和 Segment Anything 的 AI 支持下轻松进行数据标记! AnyLabeling = LabelImg + Labelme + Improved UI + Auto-labeling 任何标签 = 标签Img + 标签我 + 改进的用户界面 + 自动标签 油管演示:https://www.youtube.com/watch?v=xLVz-f6OeUY 文档:https://anylabeling.com 安装和运行 下载并运行可执行文件 从版本下载并运行最新版本。 创建环境: 安装anylabeling: 使用教程: shapes:保存着bbox的类别和坐标(左上角,右下角); imagePath:json文件对应的原图名称; imageHeight:原图的高度; imageWidth:原图的宽度; 我们现在要将json文件中的标注信息提取到txt文件中,代码实现如下: 生成的txt文件如下图所示,格式包括(类别索引,x,y,w,h) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |