基于YOLOv8的船舶目标检测系统(Python源码+Pyqt6界面+数据集) | 您所在的位置:网站首页 › 船舶种类代码查询系统 › 基于YOLOv8的船舶目标检测系统(Python源码+Pyqt6界面+数据集) |
💡💡💡本文主要内容:详细介绍了船舶目标检测系统,在介绍算法原理的同时,给出Pytorch的源码、训练数据集以及PyQt6的UI界面。在界面中可以选择各种图片、视频进行检测识别,可进行置信度、Iou阈值设定,结果可视化等。 1.数据集介绍数据集大小一共7000张,,按照8:1:1进行训练集、验证集、测试集随机区分。 一共有六类船只,分别是bulk cargo carrier、container ship、ore carrier、general cargo ship、fishing ship、passenger ship 细节图: 据统计共有六种物体类别,具体数据如下: 代码语言:python代码运行次数:1复制各类标签的数量分别为: ore carrier: 2199 passenger ship: 474 container ship: 901 bulk cargo carrier: 1952 general cargo ship: 1505 fishing boat: 2190 2.基于YOLOv8的船舶目标检测2.1 修改seaships.yaml代码语言:javascript复制path: ./data/seaships # dataset root dir train: train.txt # train images (relative to 'path') 118287 images val: val.txt # val images (relative to 'path') 5000 images # number of classes nc: 6 # class names names: 0: ore carrier 1: passenger ship 2: container ship 3: bulk cargo carrier 4: general cargo ship 5: fishing boat2.2 开启训练代码语言:javascript复制import warnings warnings.filterwarnings('ignore') from ultralytics import YOLO if __name__ == '__main__': model = YOLO('ultralytics/cfg/models/v8/yolov8.yaml') model.train(data='data/seaships/seaships.yaml', cache=False, imgsz=640, epochs=100, batch=16, close_mosaic=10, workers=0, device='0', optimizer='SGD', # using SGD project='runs/train', name='exp', ) 3.训练结果分析 代码语言:javascript复制YOLOv8 summary (fused): 168 layers, 3006818 parameters, 0 gradients, 8.1 GFLOPs Class Images Instances Box(P R mAP50 mAP50-95): 100%|██████████| 60/60 [01:30 |
CopyRight 2018-2019 实验室设备网 版权所有 |