YOLOv8分类识别训练配置详细

news2024/11/26 2:55:01

目标：

实现自己的图像分类算法模型训练，应用。

掌握数据集配置方式；
掌握训练、预测命令语句
掌握训练结果分析

学习内容：

1.图像分类数据集配置方式

例如：

制作一个表情分类数据集。

# 0 - 6 文件夹分别label为：
# angry ，disgust ，fear ，happy ，sad ，surprise ，neutral
#0，1， 2，3 ，4 ， 5 ， 6

保存文件形式如下：
在这里插入图片描述

在这里插入图片描述
每一个数字标签文件夹里面是面部表情图片。

2.yolov8训练图像分类算法模型

注意，此处数据与分割，检测，关键点算法的数据输入yaml不同.data=数据集文件夹地址imageFER（根据自己存放地址而变）result = model.train(data='D:/xxx/Datasets/datasetFER2024/imagesFER'-----。

# Begin to show your code!
import torch
from ultralytics import YOLO

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")


def trainModel(mode_pt=None):
    if mode_pt is None:
        # model = YOLO(model=r'D:/xxx/Models/yolov8/classify/yolov8m-cls.pt')  # 加载预训练模型方法导入分类模型参数
        model = YOLO('yolov8m-cls.yaml').load('yolov8m-cls.pt') # 在线下载预训练模型，加载训练方式
    else:
        model = YOLO(model=mode_pt)  # 加载待优化模型
    model.to(device)
    result = model.train(data='D:/xxx/Datasets/datasetFER2024/imagesFER', epochs=100, batch=32, single_cls=False, imgsz=64, workers=0)


if __name__ == "__main__":
    mode_pt = r'D:/xxx/Models/yolov8/classify/yolov8m-cls.pt'
    trainModel()

注意：# 加载预训练模型方法导入分类模型参数,可能因为自行下载的YOLOv8-cls.pt预训练模型文件有问题，会报bugModuleNotFoundError: No module named ‘ultralytics.utils‘,建议使用在线下载最新模型。

3.掌握训练结果分析
根据损失函数，精确度曲线，调整参数或新增数据均衡类别。
在这里插入图片描述

学习产出：

完成表情分类识别算法模型： FER,Facial expression recognition表情识别算法模型

from ultralytics import YOLO
import cv2

# Load the YOLO model
model = YOLO('best.pt')  # Adjust model as needed

# Open your video
cap = cv2.VideoCapture('path/to/your/video.mp4')

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break

    # Run detection
    results = model(frame)

    # Extract detected objects (for example, filtering by confidence and class)
    for *box, conf, cls in results.pred[0]:
        if conf > 0.5:  # Example confidence threshold
            # Your custom processing here
            pass

    # Example: Show the frame with detections
    cv2.imshow('Frame', np.squeeze(results.render()))
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()