(截至2024/03/16 12:14:28)本文仍在编辑中,内容可能不完整
YOLO简介
YOLO是计算机视觉中广为人知的目标检测算法模型。由华盛顿大学的约瑟夫-雷德蒙(Joseph Redmon)和阿里-法哈迪(Ali Farhadi)开发。YOLO 于 2015 年推出,因其高速度和高精确度而迅速受到欢迎。
自2015年推出的YOLOv1开始,截至最近推出的YOLOv9,YOLO家族不断壮大。
关于YOLO算法的原理机制,感兴趣可以研读YOLOv1的论文。 具体而不严谨地说,后续版本都是在此原理上的优化改进。虽然版本演进,YOLO算法在不断完善,但是v1版本才是用回归做物体检测的开山之作。 Link: You Only Look Once: Unified, Real-Time Object Detection
历遍各个优化迭代的版本,其中又以YOLOv5最为典型,使用广泛。
下面我们主要介绍v8版本的使用。
YOLOv8由ultralytics公司开发,
准备工作
配置开发环境
Conda 是 pip 的替代软件包管理器,也可用于安装。更多详情请访问 Anaconda:https://anaconda.org/conda-forge/ultralytics 。
从个人习惯上说,我喜欢用Anaconda管理配置开发环境。
因此,本文仅介绍由Conda安装的方式。
新建虚拟环境:启动Anaconda命令行,输入以下命令
conda create --name safehat
因为现在训练安全帽检测的YOLO模型,所以创建一个名为
safehat
的新虚拟环境,可以将safehat
替换为你喜欢的任何名称。
激活虚拟环境:创建完毕后,激活虚拟环境以开始在其中工作。在终端中输入以下命令:
conda activate safehat
安装组件
此时的虚拟环境就是全新干净的环境,接下来就要安装必要的包和各种组件。
Python版本选择3.10.13
conda install python=3.10.13
Pytorch
为了训练时能使用CUDA加速(需要硬件支持),此处安装适用于CUDA环境的Pytorch。
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
Ultralytics
我们从YOLOv8的官方文档开始,访问ultralytics的网页,可以找到安装教程。
# Install the ultralytics package using conda conda install -c conda-forge ultralytics