roboflow 是一个用于注释图像以用于对象检测 ai 的平台。
我将这个平台用于 c2smr c2smr.fr，我的海上救援计算机视觉协会。
在本文中，我将向您展示如何使用这个平台并使用 python 训练您的模型。
您可以在我的github上找到更多示例代码：https://github.com/c2smr/detector
i – 数据集
要创建数据集，请访问 https://app.roboflow.com/ 并开始注释您的图像，如下图所示。
立即学习“Python免费学习笔记（深入）”；
在这个例子中，我绕道所有游泳者来预测他们在未来图像中的位置。
为了获得良好的结果，请裁剪所有游泳者并将边界框放置在对象后面以正确包围它。
您已经可以使用公共 roboflow 数据集，为此检查 https://universe.roboflow.com/
二、培训
在训练阶段，你可以直接使用 roboflow，但是到了第三次你就需要付费了，这就是为什么我向你展示如何使用你的笔记本电脑进行操作。
第一步是导入数据集。为此，您可以导入 roboflow 库。
pip install roboflow
创建模型需要使用yolo算法，可以通过ultralytics库导入该算法。
pip install ultralytics
在我的脚本中，我使用以下命令：
py train.py api-key project-workspace project-name project-version nb-epoch size_model
您必须获得：
访问密钥工作空间roboflow 项目名称项目数据集版本训练模型的纪元数神经网络大小
最初，脚本下载 yolov8-obb.pt，默认的 yolo 权重和训练前数据，以方便训练。
import sysimport osimport randomfrom roboflow import roboflowfrom ultralytics import yoloimport yamlimport timeclass main: rf: roboflow project: object dataset: object model: object results: object model_size: str def __init__(self): self.model_size = sys.argv[6] self.import_dataset() self.train() def import_dataset(self): self.rf = roboflow(api_key=sys.argv[1]) self.project = self.rf.workspace(sys.argv[2]).project(sys.argv[3]) self.dataset = self.project.version(sys.argv[4]).download("yolov8-obb") with open(f'{self.dataset.location}/data.yaml', 'r') as file: data = yaml.safe_load(file) data['path'] = self.dataset.location with open(f'{self.dataset.location}/data.yaml', 'w') as file: yaml.dump(data, file, sort_keys=false) def train(self): list_of_models = ["n", "s", "m", "l", "x"] if self.model_size != "all" and self.model_size in list_of_models: self.model = yolo(f"yolov8{self.model_size}-obb.pt") self.results = self.model.train(data=f"{self.dataset.location}/" f"yolov8-obb.yaml", epochs=int(sys.argv[5]), imgsz=640) elif self.model_size == "all": for model_size in list_of_models: self.model = yolo(f"yolov8{model_size}.pt") self.results = self.model.train(data=f"{self.dataset.location}" f"/yolov8-obb.yaml", epochs=int(sys.argv[5]), imgsz=640) else: print("invalid model size")if __name__ == '__main__': main()
三、显示
训练完模型后，得到文件best.py和last.py，它们对应的是权重。
使用ultralytics库，您还可以导入yolo并加载您的体重，然后加载您的测试视频。
在此示例中，我使用跟踪功能来获取每个游泳者的 id。
import cv2from ultralytics import yoloimport sysdef main(): cap = cv2.videocapture(sys.argv[1]) model = yolo(sys.argv[2]) while true: ret, frame = cap.read() results = model.track(frame, persist=true) res_plotted = results[0].plot() cv2.imshow("frame", res_plotted) if cv2.waitkey(1) == 27: break cap.release() cv2.destroyallwindows()if __name__ == "__main__": main()
为了分析预测，可以获取模型json如下。
results = model.track(frame, persist=True) results_json = json.loads(results[0].tojson())
以上就是ROBOFLOW – 使用 python 进行训练和测试的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1349446.html
微信扫一扫 
支付宝扫一扫 
