Skip to main content

YOLO使用说明

说明
  • EC 的YOLOV8需要在EC 安卓的10.15.0+版本上才支持
  • EC安卓版本集成的是Tencent/ncnn网络神经组件为手机设备特地优化的版本
  • ncnn支持yolov5-yolov8，这里采用的是yolov8模型进行训练、推理和检测
  • YOLOV8官方网站 https://docs.ultralytics.com/modes/train/
  • YOLODemo下载，资源下载，网盘资源里面的YOLO资源文件夹YOLODemo.zip

安装及训练模型​

安装软件​

  • 下载安装好了anaconda，启动这个软件，新建一个虚拟环境
  • 点击create按钮，新建一个虚拟环境，这里名字叫做yolotest为例子，可以是其他名称,Python版本选择3.8.19，点击Create等待环境创建成功
  • 选择yolotest右边的绿色三角号按钮，会弹出选项，选择Open Terminal选项，进入了终端
    • 终端前面带有 yolotest 虚拟环境名称的说明成功了

配置环境​

  • 接上面的步骤，安装需要的Python类库

  • 在终端依次输入输入以下命令:

    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
    pip config set install.trusted-host pypi.tuna.tsinghua.edu.cn
    # 这里用的是 yolo 0.3.1 版本
    # 使用最新版本运行命令: pip install yolo
    pip install yolo==0.3.1
    # 这里用的是 ultralytics 8.2.79 版本 
    # 使用最新版本运行命令: pip install ultralytics
    pip install ultralytics==8.2.79
    pip install ncnn==1.0.20240410
    pip install labelimg
    #最后输入 pip list 查看安装的类库列表

  • yolo,ultralytics安装结束


  • 在命令行输入yolo命令验证是否成功


  • 验证labelimg图片标注工具是否正常，控制台输入labelimg，即可打开labelimg程序


新建训练目录​

  • 找个空目录，新建文件夹，名称叫做 yolotrain,也可以是其他名称,这里的例子是在E盘的yolotrain文件夹
  • 在 yolotrain 新建labels和images文件夹，在images文件夹新建test,train,val三个文件夹，在labesl下面新建train,val两个文件夹
  • 结构入下图所示
  • images文件夹下面的test,train,val三个文件夹，全部存放相同的要训练的图片，例如train下面是 1.png,2.png，将这个两个文件复制一份到val，再复制一份到test
  • labels下面的train,val两个文件夹存放的是用labelimg标注的标签数据文件，等会 labelimg 使用会用到这个文件夹

标注数据​

  • 将准备好的图片放到 images/train 文件夹，下面并且复制一份到 images/val 和 images/test两个文件夹

  • 接上步骤 配置环境 的命令控制台,输入 labelimg 命令，即可打开 labelimg 程序

    • 点击 Open Dir 按钮，选择到你的 images/train 文件夹即可，例如 E:/yolotest/images/train
    • 点击 Change Save Dir 按钮，选择到你的 labels/train 文件夹即可，例如 E:/yolotest/labels/train
    • 点击Save 下面的格式按钮，调整到 YOLO 格式的模式即可,请看下图

  • 下面开始标注数据

    • 例子是 某音的 点赞 和 评论 按钮

    • 在图片上右键菜单，选择 Create RectBox 选项，或者点击左侧的 Create RectBox

    • 在 点赞 图片区域拉出选框，会弹出框，输入分类名称，这里填写的是 aixin，点击ok即可保存 ，这分类名称注意后面函数调用要用到

    • 在 评论 图片区域拉出选框，会弹出框，输入分类名称，这里填写的是 pinglun，点击ok即可保存

    • 第一个图片标注完成后，点击左侧的 Save 按钮保存，然后点击 Next Image 切换标注下一张图片，操作和第一张图片类似

    • 图标标注保存后，会在 labels/train 文件夹存储了标注的数据，classes.txt内容就是分类名称，其他的是和图片相同的名称的txt标注文件

    • 将 labels/train 文件夹数据复制到 labels/val 文件夹，等会验证模型的时候使用

训练模型​

  • 在 yolotrain 文件下新建一个训练的配置文件，例如文件名称叫 aixin.yaml，使用记事本打开，填写内容如下

    path: E:/yolotrain
    train: images/train
    val: images/val
    test: images/test
    nc: 2
    names: ["aixin","pinglun"]

  • 参数解释：

    • path: 代表训练的根目录，这里的 yolotrain 在E盘，就写 E:/yolotrain，其他盘的路径自己修改
    • train: 代表要训练的图片文件夹,相对于path路径
    • val: 代表要验证的图片文件夹,相对于path路径
    • test: 代表要测试的图片文件夹,相对于path路径
    • nc: 代表分类名称数量，这是2个，因为使用labelimg标注的是2个类别，如果是多个数据就跟和实际类别数量一样的即可
    • names: 是一个json数组，代表的是标注的分类名称，labelimg使用的是aixin和pinglun两个分类名称，这里就这样写即可
    • 名称的顺序不要写错，会影响训练结果

  • 开始训练

  • 在控制台输入命令

  • 在cmd窗口，输入 e:/ 回车，在输入 cd yolotrain，进入这个文件夹 yolotrain，其他路径自行进入

  • 训练命令，下面两个任选一个，截图参数看ultralytics官网

    yolo detect train data=e:/yolotrain/aixin.yaml model=e:/yolotrain/yolov8s.pt imgsz=640
    yolo detect train data=e:/yolotrain/aixin.yaml model=e:/yolotrain/yolov8s.pt epochs=100 imgsz=640

  • 这个时候系统会下载yolov8s.pt的基础训练文件，如果下载失败，直接本章节的开头，直接下载demo文件，然后解压复制 yolov8s.pt 到 e:/yolotrain/

  • 环境配置成功，一切无误，开始训练中

  • 训练完毕，注意这里的 Results saved后面的路径是动态的，截图中是在 runs/detect/train文件夹下，就是E:/yolotrain文件夹下

  • 在训练完成的目录中可以找到 best.pt 的训练模型以及训练中被标记和选中目标的图片结果集

验证模型​

  • 训练完成后，可以对图片进行验证
  • cmd控制台输入命令
    • model 参数代表是 需要验证的模型
    • data 代表检测的配置
    yolo detect val data=e:/yolotrain/aixin.yaml  model=e:/yolotrain/runs/detect/train/weights/best.pt
  • 验证结果，这里的 Results saved后面的路径是动态的，请到对应的文件下查看图片标注结果

导出模型 onnx​

  • 将训练好的pt文件导出为 onnx 文件，交给EC的函数调用
  • cmd控制台输入命令
    • model 参数代表要转换的模型
    yolo export model=e:/yolotrain/runs/detect/train/weights/best.pt format=onnx
  • 导出成功结果可以看到export success后面的路径，进入结果文件夹，可以找到onnx结尾的文件，这个两个放到手机sdcard，就可以给程序调用
  • onnx调用使用 yolov8Api.newYolov8Onxx 函数初始化onnx环境，其他函数调用都是一样

导出模型 ncnn​

  • 将训练好的pt文件导出为ncnn文件，交给EC的函数调用
  • cmd控制台输入命令
    • model 参数代表要转换的模型
    yolo export model=e:/yolotrain/runs/detect/train/weights/best.pt format=ncnn
  • 导出模型的时候要下载pnnx组件，这里可以直接本章节的开头，直接下载demo文件，然后解压复制文件pnnx-20240819-windows.zip 到 e:/yolotrain/
    • 如果名字不是pnnx-20240819-windows.zip，请修改和报错红框截图一样的文件名称即可，或者直接去复制下载地址手动下载pnnx组件
  • 导出成功结果可以看到export success后面的路径，进入结果文件夹，可以找到model.ncnn.param和model.ncnn.bin两个文件，这个两个放到手机sdcard，就可以给程序调用
  • ncnn 调用使用 yolov8Api.newYolov8 函数初始化ncnn环境

函数调用​

  • 将训练好的模型放到手机/sdcard/根目录即可，也可以是其他目录，然后给程序调用
  • 具体如何使用请看YOLOV8函数模块

GPU​

CONDA创建虚拟环境错误​

  • Anaconda创建虚拟环境create不能选择python版本,一般是网络问题导致的,可以切换到清华源
  • 1.点channels
  • 2.删除默认channel
  • 3.添加下方两个清华的channel 每添加一个回车确认配置,等待进度条加载完 
    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

  • 4.添加后,点击update channels

下载Arial.ttf错误​

  • 点我下载 Arial.ttf
  • 放到 C:\Users\Administrator\AppData\Roaming\Ultralytics 目录下，文件名称改为 Arial.ttf, Administrator 是你当前电脑的用户名