AI人工智能-目标检测(YOLOv12)-蚊子数据集训练
AI人工智能-目标检测(YOLOv12)-蚊子数据集训练
一、项目概述
本项目基于YOLO v12深度学习模型，实现蚊子的实时检测与识别。本文旨在演示数据 训练过程。
二、数据集获取与准备
数据集获取
数据集已经上传到 yolov12蚊子检测数据集，连接地址：
https://download.csdn.net/download/m0_67097444/92928413
数据集格式
YOLO格式数据集结构：
YOLO标注格式说明：
# 每行格式：class_id center_x center_y width height
# 坐标为归一化值（0-1）
0 0.5 0.5 0.3 0.4
三、YOLO v11模型训练训练配置文件
创建data.yaml配置文件：
train: D:/yolo-v12/yolov12-main/datasets/train/images
val: D:/yolo-v12/yolov12-main/datasets/valid/images
test: D:/yolo-v12/yolov12-main/datasets/test/images
nc: 1# Number of classes
names: ['mosquito']
训练脚本
创建train.py训练脚本：
fromultralyticsimportYOLO model = YOLO('ultralytics/cfg/models/v12/yolov12.yaml')#加载预训练模型model.load('D:/yolo-v12/model/yolov12n.pt') results = model.train(data='datasets/data.yaml',# epochs=10, # imgsz=640, # batch=16, # #device=0, #使用GPU 0 # device='cpu', #使用GPU 0 # optimizer='SGD', # lr0=0.001)epochs=10,#训练轮次总数batch=16,#批量大小，即单次输入多少图片训练imgsz=640,#训练图像尺寸scale=0.5,# S:0.9; M:0.9; L:0.9; X:0.9 #增益因子缩放图像，模拟物体与摄像机的不同距离。mosaic=1.0,#默认值mixup=0.0,# S:0.05; M:0.15; L:0.15; X:0.2 #默认值copy_paste=0.1,# S:0.15; M:0.4; L:0.5; X:0.6 #分割标签 进行复制和粘贴device='cpu',#指定训练的计算设备，无nvidia显卡则改为'cpu' #以下为我添加的一些参数optimizer='SGD',#训练使用优化器，可选auto,SGD,Adam,AdamW等workers=8,#加载数据的工作线程数amp=True,#True或者False,解释为：自动混合精度(AMP)训练cache=False# True在内存中缓存数据集图像，服务器推荐开启)训练过程
四、训练完成后，结果保存在best.pt中
五、best.pt蚊子权值文件，是我训练了3000多蚊子图片得到的权值，已经验证能够检测出95%以上的蚊子，连接地址：https://download.csdn.net/download/m0_67097444/92928413