ROBOFLOW - 使用 python 进行训练和测试

百变鹏仔 3天前 #Python

文章标签测试

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：

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())

文章推荐

ROBOFLOW - 使用 python 进行训练和测试

i - 数据集

二、培训

三、显示

如何利用Python编写RSA加密算法？

如何使用Python实现二分查找算法？

如何用Python编写最短路径算法？

如何使用Python实现遗传算法？

如何在Python中获取地理位置信息？