YOLO11训练自己的数据集（吸烟、跌倒行为检测）

YOLO11训练自己的数据集（吸烟、跌倒行为检测）

• 前言
• 相关介绍
• 前提条件
• 实验环境
• 安装环境
• 项目地址

• Linux
• Windows

• 使用YOLO11训练自己的数据集进行吸烟、跌倒行为检测

• 准备数据
• 进行训练
• 进行预测
• 进行验证

• 参考文献

前言

• 由于本人水平有限，难免出现错漏，敬请批评改正。

相关介绍

• YOLO11是Ultralytics YOLO系列实时目标探测器的最新版本，重新定义了具有尖端精度，速度和效率的可能性。在以前的YOLO版本令人印象深刻的进步的基础上，YOLO11引入了架构和训练方法的重大改进，使其成为广泛的计算机视觉任务的通用选择。
• [1] YOLO11 源代码地址：https://github.com/ultralytics/ultralytics.git
• [2] YOLO11 官方文档：https://docs.ultralytics.com/models/yolo11/
• 关键特性

• 增强的特征提取:YOLO11采用了改进的骨干和颈部架构，增强了特征提取能力，以实现更精确的目标检测和复杂的任务性能。
• 优化效率和速度:YOLO11引入了精炼的架构设计和优化的培训管道，提供更快的处理速度，并保持精度和性能之间的最佳平衡。
• 更少参数的更高精度:随着模型设计的进步，YOLO11m在使用COCO数据集时实现了更高的平均平均精度(mAP)。

前提条件

• 熟悉Python

实验环境

torch==2.0.1
torchvision==0.15.2
onnx==1.14.0
onnxruntime==1.15.1
pycocotools==2.0.7
PyYAML==6.0.1
scipy==1.13.0
onnxsim==0.4.36
onnxruntime-gpu==1.18.0
gradio==4.31.5
opencv-python==4.9.0.80
psutil==5.9.8
py-cpuinfo==9.0.0
huggingface-hub==0.23.2
safetensors==0.4.3

安装环境

pip install ultralytics
# 或者
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple # 国内清华源，下载速度更快

项目地址

• YOLO11 源代码地址：https://github.com/ultralytics/ultralytics.git

Linux

git clone https://github.com/ultralytics/ultralytics.git

cd ultralytics
# conda create -n yolo11 python=3.9
# conda activate yolo11
pip install -r requirements.txt
pip install -e .

Cloning into 'ultralytics'...
remote: Enumerating objects: 4583, done.
remote: Counting objects: 100% (4583/4583), done.
remote: Compressing objects: 100% (1270/1270), done.
remote: Total 4583 (delta 2981), reused 4576 (delta 2979), pack-reused 0
Receiving objects: 100% (4583/4583), 23.95 MiB | 1.55 MiB/s, done.
Resolving deltas: 100% (2981/2981), done.

Windows

请到https://github.com/ultralytics/ultralytics.git网站下载源代码zip压缩包。

cd yolov10
# conda create -n yolo11 python=3.9
# conda activate yolo11
pip install -r requirements.txt
pip install -e .

使用YOLO11训练自己的数据集进行吸烟、跌倒行为检测

准备数据

本文所使用数据集下载地址：

进行训练

yolo train model=yolo11n.pt data=../datasets/Smoke-Fall-YOLO-datasets/smoke_fall.yaml epochs=100 batch=16 imgsz=640 device=0 workers=0

进行预测

yolo predict model=runs\detect\train\weights\best.pt source=test_imgs/

进行验证

yolo detect val data=../datasets/Smoke-Fall-YOLO-datasets/smoke_fall.yaml model=runs\detect\train\weights\best.pt batch=16 imgsz=640 device=0

参考文献

[1] YOLO11 源代码地址：https://github.com/ultralytics/ultralytics.git
[2] YOLO11 官方文档：https://docs.ultralytics.com/models/yolo11/