新手学习yolov8目标检测小记1--YOLOv8复现

是阿静呀

已于 2025-01-06 14:19:22 修改

阅读量873

点赞数 8

CC 4.0 BY-SA版权

分类专栏： yolo学习小记文章标签：学习 YOLO

于 2024-06-14 17:06:27 首次发布

本文链接：https://blog.csdn.net/qq_42041632/article/details/139663271

一、复现

网上有很多教程，复现yolov8的目标检测。在复现的过程中，会用到模型yolov8n.pt，可以选择命令下载和网站下载。复现后，runs文件包下会生成最优的权重文件best.py，在ultralytics/assets中放一张图片，按照remead指示，输入命令，用权重文件best.py做预测。运行之后，runs/detect/predict中的图片就是预测识别之后的。

二、数据集

1、准备

搜集一些你需要进行目标检测的图片，比如网上下载、自行拍摄等，可以使用旋转个、放大、缩小、调亮度的方式，对数据进行扩增。代码如下：需要修改第83行的文件夹路径，改为自己存放图片的路径即可。

# -*- coding: utf-8 -*-

import cv2
import numpy as np
import os.path
import copy


# 椒盐噪声
def SaltAndPepper(src, percetage):
    SP_NoiseImg = src.copy()
    SP_NoiseNum = int(percetage * src.shape[0] * src.shape[1])
    for i in range(SP_NoiseNum):
        randR = np.random.randint(0, src.shape[0] - 1)
        randG = np.random.randint(0, src.shape[1] - 1)
        randB = np.random.randint(0, 3)
        if np.random.randint(0, 1) == 0:
            SP_NoiseImg[randR, randG, randB] = 0
        else:
            SP_NoiseImg[randR, randG, randB] = 255
    return SP_NoiseImg


# 高斯噪声
def addGaussianNoise(image, percetage):
    G_Noiseimg = image.copy()
    w = image.shape[1]
    h = image.shape[0]
    G_NoiseNum = int(percetage * image.shape[0] * image.shape[1])
    for i in range(G_NoiseNum):
        temp_x = np.random.randint(0, h)
        temp_y = np.random.randint(0, w)
        G_Noiseimg[temp_x][temp_y][np.random.randint(3)] = np.random.randn(1)[0]
    return G_Noiseimg


# 昏暗
def darker(image, percetage=0.9):
    image_copy = image.copy()
    w = image.shape[1]
    h = image.shape[0]
    # get darker
    for xi in range(0, w):
        for xj in range(0, h):
            image_copy[xj, xi, 0] = int(image[xj, xi, 0] * percetage)
            image_copy[xj, xi, 1] = int(image[xj, xi, 1] * percetage)
            image_copy[xj, xi, 2] = int(image[xj, xi, 2] * percetage)
    return image_copy


# 亮度
def brighter(imag