YOLO

2023-10-14

使用

命令行参数

  • —weights: 指定测试模型
  • —source: 测试数据来源，支持图片、视频、 [[YouTube]]、[[RTSP]] 等
  • —imgsz: 测试图片大小
  • —conf-thres: 置信度，大于指定数值就认为检测成功
  • —iou-thres: 交并比
  • —view-img: 边检测边输出效果
  • save-txt: 是否保留预测坐标，默认 False
  • nosave: 不保存图片或视频，默认 False
  • exist-ok: 不自动增加序号
  • save-crop: 按 name 独立保存每个结果为图片，默认 False

训练

Terminal window
yolo detect train \
    data=truck_merge.yaml \
    model=../yolo11m.pt \
    epochs=150 \
    imgsz=832 \
    batch=32 \
    workers=4 \
    device=0 \
    patience=30 \
    save=True \
    save_period=10 \
    cache=True \
    amp=True
  • data: 指定数据集配置文件
  • model: 指定预训练模型
    • n: 超轻量
    • s: 轻量级
    • m: 中等
    • l: 大型
    • x: 超大型
  • epochs: 训练轮数
  • imgsz: 图片大小
  • batch: 批次大小，批次越大，训练越稳定，但显存消耗越多
  • workers: 工作线程数，CPU 核心数的一半
  • device: 设备，0 表示 GPU 0
  • patience: 早停，如果验证集性能连续 x 个 epoch 没有提升，就停止训练，防止过拟合
  • save: 是否保存模型
  • save_period: 保存模型间隔，每 x 个 epoch 保存一次，防止训练过程中模型丢失
  • cache: 是否缓存数据集，缓存后可以加快训练速度
  • amp: 是否使用混合精度训练，可以加快训练速度，但可能会导致精度下降

参考

# AI
# Ultralytics
# YOLO