龙空技术网

用YOLOv8一站式解决图像分类、检测、分割

ITF男孩 4599

前言:

今天咱们对“常见算法优缺点比较图”大约比较关切,看官们都需要了解一些“常见算法优缺点比较图”的相关文章。那么小编也在网上收集了一些对于“常见算法优缺点比较图””的相关资讯,希望同学们能喜欢,大家一起来学习一下吧!

今天聊聊YOLO框架。

我的文章有个特点,不选自己想写的,专挑大家想看的。就算内容对我陌生,我也有自信先把它吃透,再让你听懂。

你看,有朋友就提议写写YOLO

也巧,去年我还用过YOLO v5,今天再去官网一看,已经升到v8了。而且它在淡化YOLO版本,主打Ultralytics平台。

我感觉这个平台,能很好地解决图像领域的大部分问题。

一、Ultralytics平台

YOLO原本是一种公开的目标检测算法。它的优势是速度快,准确率还高。这很气人。一般情况下,两者是不能兼得的。

它之所以这么强,从它的名字中就能找到答案。YOLO的全称是You Only Look Once(你仅需看一遍)。关于它原理解读的介绍非常多,属于街边知识,我就不多说了。反正,你知道它很火就好了。基本上,从画面中找物体的技术方案,选YOLO就对了。

今年Ultralytics公司在YOLO之前版本基础上提出了v8版本。这个版本,更像是一个AI视觉处理平台,它不但可以做检测,还可以做分类、分割、跟踪,甚至姿态估计。

然而它的调用和二次开发,也很方便。这太气人了,它不但好用,而且易用。

二、操作和原理指南

Github地址:

依旧提示大家去读ReadMe.md文件。我所说的,皆源于此。

基础环境要求:

Python >= 3.8PyTorch >= 1.7

执行pip install ultralytics安装平台支持库,后面就可以操作了。

2.1 命令行操作

它有多易用呢?易用到你啥都不用动,安装完就能直接用。

找来一个图片,例如下面这图,我们命名叫bus.jpg,放到主目录下。

然后你在终端运行如下命令:

yolo predict model=yolov8n.pt source=bus.jpg

这表示使用yoloyolov8n.pt模型对bus.jpg这张图进行预测。它会自动去下载yolov8n.pt模型文件。随后,控制台打印如下:

(yolo)C:\tfboy\yolo> yolo predict model=yolov8n.pt source=bus.jpg……image 1/1 C:\tfboy\yolo\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 94.7msSpeed: 0.0ms preprocess, 94.7ms inference, 0.0ms postprocess per image at shape (1, 3, 640, 480)Results saved to runs\detect\predict

最后一句说,结果保存到了runs\detect\predict目录。我们打开一看,发现了一张bus.jpg

嗯,这就是目标检测的结果。看标记上,它识别出了person人,bus公交车,还有左上角的stop sign停车路标。我们发现person的识别,左右两边都是半个人,它也识别出来了。

最简单的用法就是这样,不用打开IDE(程序员写代码的程序)就能处理图片。

你甚至都不用准备图片,直接运行命令也行。因为我从源码文件engin\model.py中的predict函数中看到这么一段:

if source is None:    source = ROOT / 'assets' if is_git_dir() else ';    LOGGER.warning(f"WARNING  'source' is missing. Using 'source={source}'.")

如果素材为空,它会使用一个预置的本地目录。如果这个坏了,它还会从网上下载一个图片,并日志提示你“没有图,我顶了一下”。

这绝对是业界良心!

但是,我们想要拿到具体的识别数据,或者还想尝试其他功能怎么办?

继续往下看。

2.2 用代码处理

代码调用也极其简单。

# 从平台库导入YOLO类from ultralytics import YOLO# 从模型文件构建modelmodel = YOLO("xx.pt")# 对某张图片进行预测results = model("bus.jpg")# 打印识别结果print(results) 

开头我们说过,YOLOv8功能强大,除了目标检测,还支持分割、追踪啥的。我也说过,它很易用。

现在就体现出来了。它执行所有功能的代码都是同一套,想换功能更换xx.pt模型文件就行。它的分析结果,也都存在同一个results结构中。

2.2.1 模型文件的调用

它有哪些模型文件呢?

名称

模型文件

家族

检测

yolov8n.pt

8n、8s、8m、8l、8x

分割

yolov8n-seg.pt

8n、8s、8m、8l、8x

分类

yolov8n-cls.pt

8n、8s、8m、8l、8x

姿态

yolov8n-pose.pt

8n、8s、8m、8l、8x

每一类模型,还搞出一个家族。这就好比是同一款衣服的不同尺码。尺码不同,受众也不同。我们拿检测来做个对比。

类型

准确度

耗时长

运算次数/秒

YOLOv8n

37.3

80.4

8.7

YOLOv8s

44.9

128.4

28.6

YOLOv8m

50.2

234.7

78.9

YOLOv8l

52.9

375.2

165.2

YOLOv8x

53.9

479.1

257.8

我们看到从8n8x,虽然准确值提高了,但是时间也提高了6倍。

因为它的算法,让它在竞争者中显得又快又准。但是回到同一个算法内,其实还是有取舍的。

我们更换模型文件就可以体验不同的功能。下面是我用代码尝试了yolov8n-pose.ptyolov8n-cls.pt这俩模型的效果。

姿态模型能检测人体的姿势动作。分割模型可以将识别到的物体从背景中切分出来。

2.2.2 返回结果的解读

我们使用它,肯定是想让它帮我们处理图像。像上面那样,它给原图画出一个框,没法融入到我们产品中。这像极了有钱人来你家大把炫富,然后说并不打算给你或者借你。

Ultralytics绝对不会这么做。它有好多种方式将结果给你!

首先,它那个results = model("bus.jpg")results就包含着处理结果的数据。

其次,这是一个临时内存数据,它怕你不打印就丢了。因此又提供了一个持久化的保存方法。

看下面这段代码:

from ultralytics import YOLOfrom PIL import Imagemodel = YOLO('yolov8n-seg.pt')image = Image.open("bus.jpg")results = model.predict(source=image, save=True, save_txt=True) 

这是另一种调用方式,我们标记为code-666

与之前的区别是构建完model之后,调用了predict方法,参数里面有save_txt=True这项。这表示把数据结果保存到txt文本中。

其实我们也看到入参也有变化。先通过Image.open("bus.jpg")把图片包装一下,然后通过source=image传入。除此之外,数据源也支持文件夹或者摄像头。

# 识别来自文件夹的图像results = model.predict(source="test/pics", ……) # 识别来自摄像头的图像results = model.predict(source="0", ……)

不管哪种输入方式,这个results都很关键。想了解它的结构,你有3种途径:

上网搜,找解析文章或者官方文档。直接print一下,看看它输出什么。查看源码,了解其属性构成。

作为老程序员一般会直接看源码。通过按着ctrl键点击方法名,我定位到它是engine/results.py下的Results类。

瞬间,豁然开朗的感觉。我拣重要的,给大家解释下:

boxes: 检测出来物体的矩形框,就是目标检测的框。masks: 检测出来的遮罩层,调用图像分割时,这项有数据。keypoints: 检测出来的关键点,人体姿势估计时,身体的点就是这项。names: 分类数据的名称,比如{0: 人,1: 狗}这类索引。

想看具体的数值,可以自己调用results[0].boxes或者results[0].masks打印一下。

2.2.3 简单的抠图示例

下面我们做一个抠图的示例。我们将bus.jpg采用yolov8n-seg.pt模型做一个物体分割。它会把图像中检测到的物体分割出来,并将结果保存到results中(code-666就是这项操作)。

然后,我们打印一下结果:

import numpy as nppixel_xy = results[0].masks.xy[1]points = np.array(pixel_xy, np.int32)print(points)
results是一个支持批量图片的结果集,因为我们只有一张图像,所以取results[0]masks.xy是一张图里所有物体掩膜的轮廓坐标,我们只取一个,取索引为1的物体。

points的打印值是:

array([[113, 398],       [111, 399],       [106, 399],...       [150, 399],       [148, 398]])

都是xy坐标点。我们可以把它画出来。

import cv2input_image = cv2.imread('bus.jpg')cv2.drawContours(input_image, [points], -1, (0, 255, 0), 2)cv2.imwrite('output.jpg', input_image)

原来这是穿羊皮袄的帅哥。既然已经知道了他的位置,那么把圈里的像素提取出来,让他到济南的街头走一走,感受一下车让人,感受一下超然楼。

同样,你提取谁都可以,或者给整体换一个背景也行。因为物体我们都拿到了。

在开源技术的加持下,这对程序员来说很简单。但是很多软件还收费。因为它们收的是电脑的使用费。

不要高兴太早,这个模型是受限的。

YOLO是一种算法,它就好比是一种思想,本身啥也干不了。

上面的那些落地的模型文件仅仅是一个示例,是YOLOv8针对COCO数据集(一个很好的计算机视觉数据集)训练生成的。

这个数据集中有很多类物体:

你可以通过results[0].names直接打印出来。

也就是说,它只认识上面列举的80种物体。你拿一个它没见过的,比如请找出图中的老济南把子肉,它肯定识别不出来。需要你去训练数据集之外目标。

接下来就讲讲训练的事情。

2.3 训练数据

训练数据的操作依然很友好。只需要准备好训练集,然后启动训练就可以了。

这次我打算训练目标检测,来检测游戏角色的血量条。就是下面这样:

这有什么用呢?起码可以让我知道哪里出现活物了。

我们准备一些图片素材。条件好就多准备,条件差就少准备,起码得200张吧。

准备好素材后,下面就开始标记。

2.3.1 标记数据

我们使用labelImg进行标记。

首先pip3 install labelImg安装它。然后,在终端输入labelImg就能启动它。如果有问题,可以下载源码启动。

你可以把它当成一个正常的软件来用。

一张图一张图地标记。标记完了之后,会产生一些文件。

classes.txt是总分类,一个分类占一行。另外,每张图片还会配一个同名的txt文件。里面记录了有几个框,都是什么类型,在哪个位置。

0 0.386605 0.149837 0.091455 0.063518举例:

第1个数字0表示物体的类别标签。第2个数字0.386605表示边界框左上角的X坐标相对于图像宽度的比例。第3个数字0.149837表示边界框左上角的Y坐标相对于图像高度的比例。第4个数字0.091455表示边界框的宽度相对于图像宽度的比例。第5个数字0.063518表示边界框的高度相对于图像高度的比例。

它们用比例表示位置,这样可以实现10×10像素和1000×1000像素一样处理。

标记完成之后,我们需要把众多的.png.txt按照固定的格式整理好。

datasets  |--game    |--images      |--train        |--xx1.png      |--val        |--xx2.png    |--labels      |--train        |--xx1.txt      |--val        |--xx2.txt

下一步就是训练。

2.3.2 训练数据

yolo提供很多种标记和训练方式。我选择的是比较传统的一种。

数据准备好了,我们需要给数据做个索引,告诉框架在哪儿、有啥。新建一个game.yaml,内容如下:

# 训练集、验证集位置train: game/images/train/val: game/images/val/# 几个分类nc: 1# 分类名称names: ['blood']

然后就能训练了。可以采用命令行模式:

(yolo)C:……\yolo> yolo task=detect mode=train model=yolov8n.pt data=game.yaml epochs=300

也可以采用代码模式:

from ultralytics import YOLOmodel = YOLO('yolov8n.pt')results = model.train(data="game.yaml", epochs=300)

都很简单。全都是在yolov8n.pt基础上进行训练,只要你标记的好,结果肯定也是很快很准确。

训练结束以后,会在runs\detect\train下生成训练结果,有很多东西。

args.yaml是训练的参数。你填的那点参数根本不够,其他都是默认的,这里面有记录。如果你想改,可以训练时就指定。

我们最期待的还是weights里面的俩文件,一个best.pt是效果最好的权重,另一个是last.pt是最后一个权重。最后一个不一定是最好的,但是训练一通,最后一个不留着,用户会觉得吃亏了。所以保留俩。

results.png是训练历史记录。

我取一点给大家看,其实从50轮开始就平稳了。我训练了300轮有些多余。从这个图中也可以看出,最后一个不一定是准确率最高的。

下面试试效果吧。

2.3.3 推理预测

为了方便调用,我们把best.pt复制到项目根目录下。用法跟上面一样,只不过模型换成best.pt

去识别一个文件夹下的图片:

from ultralytics import YOLOmodel = YOLO("best.pt")results = model.predict(source="game/images/val", save=True)

结果如下:

图片有点小,我们来搞一个视频看看,这次用命令行:

(yolo)C:……\yolo> yolo task=detect mode=predict model=best.pt source="game.mp4"

它会一帧一帧地处理:

最后,输出到runs\detect\predict2,我们打开它看看效果:

其实,实时摄像头或者视频流也能做到,只不过就是换个source来源的问题。

至于这个识别能做什么?肯定是有想象空间的,比如不遮挡弹幕、焦点跟踪等。

三、更广阔的应用

YOLOv8支持其他平台格式的导出。也就是说它的产物,可以跨平台、跨终端。

torchscripttf.js可以在浏览器上跑。tflite可以在AndroidIos上运行。它甚至也能在飞桨平台运行。

代码就3行:

from ultralytics import YOLOmodel = YOLO('best.pt')model.export(format='tfjs')

看完赶紧尝试,起飞吧,少年!

四、参考

官网

文档

GitHub

labelImg

标签: #常见算法优缺点比较图