roboflow 是一个用于注释图像以用于对象检测 ai 的平台。
我将这个平台用于 c2smr c2smr.fr，我的海上救援计算机视觉协会。
在本文中，我将向您展示如何使用这个平台并使用 python 训练您的模型。
您可以在我的github上找到更多示例代码：https://github.com/c2smr/detector
i - 数据集
要创建数据集，请访问 https://app.roboflow.com/ 并开始注释您的图像，如下图所示。
立即学习“Python免费学习笔记（深入）”；
在这个例子中，我绕道所有游泳者来预测他们在未来图像中的位置。
为了获得良好的结果，请裁剪所有游泳者并将边界框放置在对象后面以正确包围它。
您已经可以使用公共 roboflow 数据集，为此检查 https://universe.roboflow.com/
二、培训
在训练阶段，你可以直接使用 roboflow，但是到了第三次你就需要付费了，这就是为什么我向你展示如何使用你的笔记本电脑进行操作。
家电公司网站源码是一个以米拓为核心进行开发的家电商城网站模板，程序采用metinfo5.3.9 UTF8进行编码，软件包含完整栏目与数据。安装方法：解压上传到空间，访问域名进行安装，安装好后，到后台-安全与效率-数据备份还原，恢复好数据后到设置-基本信息和外观-电脑把网站名称什么的改为自己的即可。默认后台账号：admin 密码：132456注意：如本地测试中127.0.0.1无法正常使用，请换成l
第一步是导入数据集。为此，您可以导入 roboflow 库。
pip install roboflow
创建模型需要使用yolo算法，可以通过ultralytics库导入该算法。
pip install ultralytics
在我的脚本中，我使用以下命令：
py train.py api-key project-workspace project-name project-version nb-epoch size_model
您必须获得：
- 访问密钥
- 工作空间
- roboflow 项目名称
- 项目数据集版本
- 训练模型的纪元数
- 神经网络大小
最初，脚本下载 yolov8-obb.pt，默认的 yolo 权重和训练前数据，以方便训练。
import sys
import os
import random
from roboflow import roboflow
from ultralytics import yolo
import yaml
import time
class main:
rf: roboflow
project: object
dataset: object
model: object
results: object
model_size: str
def __init__(self):
self.model_size = sys.argv[6]
self.import_dataset()
self.train()
def import_dataset(self):
self.rf = roboflow(api_key=sys.argv[1])
self.project = self.rf.workspace(sys.argv[2]).project(sys.argv[3])
self.dataset = self.project.version(sys.argv[4]).download("yolov8-obb")
with open(f'{self.dataset.location}/data.yaml', 'r') as file:
data = yaml.safe_load(file)
data['path'] = self.dataset.location
with open(f'{self.dataset.location}/data.yaml', 'w') as file:
yaml.dump(data, file, sort_keys=false)
def train(self):
list_of_models = ["n", "s", "m", "l", "x"]
if self.model_size != "all" and self.model_size in list_of_models:
self.model = yolo(f"yolov8{self.model_size}-obb.pt")
self.results = self.model.train(data=f"{self.dataset.location}/"
f"yolov8-obb.yaml",
epochs=int(sys.argv[5]), imgsz=640)
elif self.model_size == "all":
for model_size in list_of_models:
self.model = yolo(f"yolov8{model_size}.pt")
self.results = self.model.train(data=f"{self.dataset.location}"
f"/yolov8-obb.yaml",
epochs=int(sys.argv[5]),
imgsz=640)
else:
print("invalid model size")
if __name__ == '__main__':
main()
三、显示
训练完模型后，得到文件best.py和last.py，它们对应的是权重。
使用ultralytics库，您还可以导入yolo并加载您的体重，然后加载您的测试视频。
在此示例中，我使用跟踪功能来获取每个游泳者的 id。
import cv2
from ultralytics import yolo
import sys
def main():
cap = cv2.videocapture(sys.argv[1])
model = yolo(sys.argv[2])
while true:
ret, frame = cap.read()
results = model.track(frame, persist=true)
res_plotted = results[0].plot()
cv2.imshow("frame", res_plotted)
if cv2.waitkey(1) == 27:
break
cap.release()
cv2.destroyallwindows()
if __name__ == "__main__":
main()
为了分析预测，可以获取模型json如下。
results = model.track(frame, persist=True) results_json = json.loads(results[0].tojson())
