导视设计论文,张家口网站seo,专业app开发外包公司,佛山企业网站建设工作室本文摘要
摘要#xff1a;本文主要使用YOLOV10深度学习框架自训练了一个“餐盘菜品目标检测模型”#xff0c;基于此模型使用PYQT5实现了一款界面软件用于功能演示。让您可以更好的了解和学习#xff0c;该软件支持图片、视频以及摄像头进行目标检测#xff0c;本系统所涉…本文摘要
摘要本文主要使用YOLOV10深度学习框架自训练了一个“餐盘菜品目标检测模型”基于此模型使用PYQT5实现了一款界面软件用于功能演示。让您可以更好的了解和学习该软件支持图片、视频以及摄像头进行目标检测本系统所涉及的训练数据及软件源码已打包上传。可点下发 原文链接获取
原文链接源码及训练数据集下载(可一对一指导)
1. 数据集准备与标注、训练
详见【菜品识别专栏】菜品目标检测数据集标注及处理Yolov10
目标检测的数据在一张图像中需要以最小外接矩形标记出各个目标区域的位置和类别 常见的目标检测数据集
VOC采用的[x1,y1,x2,y2]表示物体的最小外接矩形框VOC数据指的是Pascal VOC比赛使用的数据。VOC数据是每个图像文件对应一个同名的xml文件xml文件中标记物体框的坐标和类别等信息。COCO采用的[x1,y1,w,h]表示物体的最小外接矩形框COCO数据是COCO比赛使用的数据。以json文件记录数据格式。 LabelImg可以标注VOC格式的数据对图像做目标框的标注。 本文的数据集既包含voc格式也包含coco格式。
2. 软件运行 获取源码 依赖环境下载
conda create -n yolov10 python3.9
conda activate yolov101.切换到yolov10源码根目录下安装依赖
注意会自动根据你是否有GPU自动选择pytorch版本进行按照这里不需要自己去选择pytorch和cuda
pip install -r requirements.txt -i https://pypi.doubanio.com/simple
2.运行下面的命令才可以在命令行使用yolo等命令
pip install -e .python train.py源码运行
python main.py图片检测演示 摄像头检测演示 YOlov10餐盘菜品目标检测 3. 模型训练训练结果评估
详见【深度学习】深度学习模型训练结果分析及效果评估以及Yolo训练结果解释 上文包括混淆矩阵、查准率和召回率、单一类准确率等 概念的解释以及示例
4. 源码讲解 模型加载 读取图片推理画框 启动摄像头 获取摄像头视频帧推理画框
