| 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） |
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 boat 2.2 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 |
【本文地址】
公司简介
联系我们