当前位置：首页 > news >正文

IEEE 流程

news 2025/5/24 11:30:40

1. 创建环境

下载myenv_cv.yml

注意后缀名大小写，在anoconda prompt里面

conda env create -f "D:\Research\Conference\IEEE\2025\myenv_cv.yml"

遇到问题，pip failed

解决方法，先conda activate myevn这个环境

再在这个环境里面装剩下的pytorch

pip install torch==2.7.0+cu126 torchvision==0.22.0+cu126 torchaudio==2.7.0+cu126 --extra-index-url https://download.pytorch.org/whl/cu126

2.Label

软件下载

Release Binary v1.8.1 · HumanSignal/labelImg · GitHub

下载以后载入foler，要标注什么，记得每张图片都保存

3.训练

yolo-v8，用config.yaml

首先把XML格式的标注改成txt

import os
import xml.etree.ElementTree as ETxml_folder = 'C:/Users/extracted_frames/labels/train'        #放XML的文件夹
img_folder = 'C:/Users/extracted_frames/images/train'           #放图片的文件夹
output_folder = 'C:/Users/extracted_frames/labels/train'        #输出txt的文件夹
class_map = {'huanghaer': 0}          # 这里要记得对应你在LabelImg中标注的label名字 否则无效os.makedirs(output_folder, exist_ok=True)for xml_file in os.listdir(xml_folder):if not xml_file.endswith('.xml'):continuexml_path = os.path.join(xml_folder, xml_file)tree = ET.parse(xml_path)root = tree.getroot()img_width = int(root.find('size/width').text)img_height = int(root.find('size/height').text)txt_lines = []for obj in root.findall('object'):class_name = obj.find('name').textif class_name not in class_map:continueclass_id = class_map[class_name]bbox = obj.find('bndbox')xmin = int(bbox.find('xmin').text)ymin = int(bbox.find('ymin').text)xmax = int(bbox.find('xmax').text)ymax = int(bbox.find('ymax').text)x_center = ((xmin + xmax) / 2) / img_widthy_center = ((ymin + ymax) / 2) / img_heightbox_width = (xmax - xmin) / img_widthbox_height = (ymax - ymin) / img_heighttxt_lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}")txt_filename = os.path.splitext(xml_file)[0] + ".txt"with open(os.path.join(output_folder, txt_filename), "w") as f:f.write("\n".join(txt_lines))

第一次没有成功，txt都是空的，因为我的class_map = {'huanghaer': 0} 要改成

class_map = {'yellow_flower': 0} 和label给出的名字一样

再次在conda的myenv中运行

yolo task=detect mode=train model=yolov8n.pt data=config.yaml epochs=50 imgsz=640 batch=1 verbose=False device=0 val=False

报错，删掉device=0

重新分布文件夹，必需是

D:\Research\Conference\IEEE\2025\frames

- train -label

yolo task=detect mode=train model=yolov8n.pt data="D:\Research\Conference\config.yaml" epochs=50 imgsz=640 batch=1 val=False

之前找不到yaml的路径，这里直接给

4. 结果

model=yolov8n.pt
Overriding model.yaml nc=80 with nc=1

你用的是 YOLOv8 的最小模型：yolov8n.pt（Nano）
YOLO 默认是 COCO 80 类，这里它自动根据你 config.yaml 文件中的设置 将类别数量改为 1

Model summary: 225 layers, 3,011,043 parameters
Transferred 319/355 items from pretrained weights

网络一共 225 层，约 300 万参数
成功从预训练模型中加载了大部分权重（319/355 个）

train: Scanning D:\...\train\labels... 27 images, 0 backgrounds, 0 corrupt
val: Scanning D:\...\train\labels.cache... 27 images, 0 backgrounds, 0 corrupt