赞
踩
YOLOv8存在很多模型,比如YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x。之前我交给大家如何训练YOLOv8n(YOLOv8训练自己数据集-CSDN博客),对于其他的几种模型都是一样的,只需要修改train.py中的代码即可,前提是几个权重文件都要在weights文件夹中(没有下载的去YOLOv8训练自己数据集-CSDN博客自行下载)。本文演示四种变体。
- from ultralytics import YOLO
-
- model = YOLO("weights/yolov8n.pt")
-
- results = model.train(data="data.yaml",imgsz=640, epochs=300, batch=16, device=0, workers=4)
YOLOv8n是速度最快的一个,直接上图。
这里红线处是我的毕业设计检测类别,暂时不对外公开,另外检测精度及推理速度我也抹去了一些。
但是大家可以看到预处理仅花费0.4ms,后处理仅花费1.2ms,推理时间,也就是打码的那里,其实是在10以下。三类准确率都达到90%以上。
下图是损失图
这是PR曲线和准确率曲线,可以看到效果非常好
图中
相对于YOLOv8n,很奇怪啊,后处理竟然小,但推理时间(打码部分)明显大于YOLOv8n,准确率有高有低。但是总体还是优于YOLOv8s
YOLOv8l和后面的YOLOv8x我都换了显卡,换成了3090,由于上一个显卡官方无故下架。
这里大家要对比看,显卡好一点,所以时间比之前那两个模型时间还要短。但是精度无疑更高
这里给各位放个混淆矩阵吧,当然,类别名字我就去掉了
这里也是对比看,发现后处理时间明显太长。3.3ms,当然推理时间也变长了。
下面是损失图
我相信大家只要按照我上一篇文章的思路,都可以复现出属于自己的数据结果。但是,如果复现不出的话,可以在评论区留言,“b站演示”,b站搜索:超神了我的王。如果需求量交大,我会在b站专门出一期YOLOv8系列从头到尾的复现视频,当然,从制作数据集开始,以及数据增强,划分等等。下图就是我的uid
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。