yolov8

还得是我000

还得是我000 发表于 2024-2-26 21:00
我也在找 但是速度都太慢了 没法达到实时，基本上从截图到返回到坐标 至少要1s cpu推理
...

image 1/1 F:\python\yolotool\datasets\MoonCake_datasets\images\val\Cake280.jpg: 576x640 1 MoonCake, 20.6ms
Speed: 8.2ms preprocess, 20.6ms inference, 1.0ms postprocess per image at shape (1, 3, 576, 640)
Results saved to runs\detect\predict7
用时：335.0393毫秒

这是我python跑出来的效果 检测图片只要20.6ms，但是截图到返回坐标要300ms，这还是我gpu跑出来的结果（GTX 1650 4G）但是c++实现onnx模型推理（cpu推理 i5-10200H），也是一样的步骤吗，时间也要186ms，有没有大佬能说一下要怎么才能实现这个流程时间短一点！期望能在50ms内实现全屏推理（1980*1080）模型大小：64M

还得是我000

a475794156 发表于 2024-2-25 22:41
沙发没了!- -  看了下 很好的帖子 省去不少事 感谢分享!这个E调用的话 具体如何实现! ...

我也在找 但是速度都太慢了 没法达到实时，基本上从截图到返回到坐标 至少要1s cpu推理

李洛克

前来学习

a475794156

沙发没了!- -  看了下 很好的帖子 省去不少事 感谢分享!这个E调用的话 具体如何实现!

还得是我000

还得是我000 发表于 2024-2-25 18:17
16.保存模型
        命令行CLI命令：
                yolo export model=F:/python/YOLOX/ultralytics-main/runs/detect/trai ...

17.其他语言调用
        理论上说onnx是一个开源协议，只要能调用opencv的高级语言都可以调用。
        问题：终端（电脑，手机，手表，平板，树莓派，香橙派）上怎么实现调用模型？或者说能运行debian系统的终端是不是都可以推理模型？

还得是我000

还得是我000 发表于 2024-2-25 18:17
14.训练方式
        第一种：命令行CLI命令
                注意：命令行模式中workers=0如果报错，请使用workers=1。amp会禁 ...

16.保存模型
        命令行CLI命令：
                yolo export model=F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt format=onnx
        python代码：
                from ultralytics import YOLO
                model = YOLO("F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt")
                model.export(format='onnx')
        注意：导出的onnx模型自行改名

还得是我000

还得是我000 发表于 2024-2-25 18:17
12.推理参数设置
        save：是否保存推理图片（默认会保存，保存目录就是第10步说的目录）
                例如：result = ...

14.训练方式
        第一种：命令行CLI命令
                注意：命令行模式中workers=0如果报错，请使用workers=1。amp会禁止模型自动下载，从输入的model路劲中读取权重模型
                命令：yolo detect train data=F:/python/YOLOX/yaml/mooncake.yaml model=F:/python/YOLOX/models/yolov8n.pt workers=0 epochs=100 batch=8 amp=False
        第二种：python代码
                from ultralytics import YOLO
                model = YOLO(model="F:/python/YOLOX/models/yolov8n.pt")
                model.train(data="F:/python/YOLOX/yaml/mooncake.yaml", workers=0, epochs=5, batch=8, amp=False)

15.训练好的模型推理跟第9部一样
        注意：把model的路径改成你训料好的bast.pt的路径(bast.pt的路径会在你训练结束之后显示在终端)
        命令行CLI命令：
                yolo detect predict model=F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt source='F:/python/YOLOX/datasets/MoonCake_datasets/images/val/Cake9.jpg'
        python代码：
                from ultralytics import YOLO
                yolo = YOLO("F:/python/YOLOX/ultralytics-main/runs/detect/train/weights/best.pt", task="detect")
                result = yolo(source="F:/python/YOLOX/datasets/MoonCake_datasets/images/val/Cake9.jpg")

还得是我000

还得是我000 发表于 2024-2-25 18:17
10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/u ...

12.推理参数设置
        save：是否保存推理图片（默认会保存，保存目录就是第10步说的目录）
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg",save=flase)
        conf：推理分数（类似大漠的相似度）
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg",conf=0.9)

13.训练设置
        月饼训练集地址：https://download.csdn.net/download/weixin_43694096/87094367
        注意：数据标注请自行搜索教程，如果第一次可以网上找训练集。训练集需要放到datasets目录中，例如：F:/python/YOLOX/datasets/mooncake
        特别注意：如果未来自己创建数据集请按照月饼数据集的格式放到datasets目录中，如果没有datasets请自行创建，以及对应的yaml文件也需要自行创建
        yaml文件格式：月饼数据集例子
                train: F:\python\YOLOX\datasets\MoonCake_datasets\images\train
                val: F:\python\YOLOX\datasets\MoonCake_datasets\images\val

                names:
                  0: MoonCake

还得是我000

还得是我000 发表于 2024-2-25 18:16
9.模型预测，两种方法
        第一种：命令行CLI命令
                命令：yolo detect predict model=./models/yolov8n.pt so ...

10.模型结果
        注意：模型会自动下载进./models中，例如F:/python/YOLOX/models，而不是F:/python/YOLOX/ultralytics-main/models中，也可以在模型预测之前先下栽好，在进行预测
        成功：会在./runs/detect/predict中，例如F:/python/YOLOX/runs/detect/predict/bus.jpg

11.推理方式
        第一种：检测图片
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg")
                        yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg'
        第二种：检测视频
                例如：result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.mp4")
                        yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.mp4'
        第三种：检测桌面
                例如：result = yolo(source="screen")
                        yolo detect predict model=./models/yolov8n.pt source='screen'
        第四种：检测窗口
                注意：官方文档里没有对窗口的实时检测
                实现：使用opencv或pil库对窗口进行截图保存到目录，然后推理到模型中
                问题：使用这种方式没有办法达到实时的效果，因为需要先截图然后保存图片在推理，速度在2s左右（cpu推理）。你总不可能在客户电脑上安装pytorch的吧

还得是我000

9.模型预测，两种方法
        第一种：命令行CLI命令
                命令：yolo detect predict model=./models/yolov8n.pt source='F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg'
        第二种：python代码
                from ultralytics import YOLO
                yolo = YOLO("./models/yolov8n.pt",task="detect")
                result = yolo(source="F:/python/YOLOX/ultralytics-main/ultralytics/assets/bus.jpg")
        注意：我的电脑出现了C:\Users\13151\.conda\envs\yolov8\lib\site-packages\torchvision\io\image.py:11: UserWarning: Failed to load image Python extension: Could not find module 'C:\Users\13151\.conda\envs\yolov8\Lib\site-packages\torchvision\image.pyd' (or one of its dependencies). Try using the full path with constructor syntax.
  warn(f"Failed to load image Python extension: {e}")报错，但是不影响结果，目前不知道问题出现在哪！还有一点
        成功：image 1/1 F:\python\YOLOX\ultralytics-main\ultralytics\assets\bus.jpg: 640x480 4 persons, 1 bus, 1 stop sign, 10.0ms
                Speed: 10.0ms preprocess, 10.0ms inference, 48.9ms postprocess per image at shape (1, 3, 640, 480)
                Results saved to runs\detect\predict