YOLO系列入门实操教程【ultralytics YOLOv8m】
输入“/”快速插入内容
YOLO系列入门实操教程【ultralytics YOLOv8m】
YOLO系列入门实操教程【ultralytics YOLOv8m】
用户8611用户8611
用户3472用户3472
用户3733用户37332025年6月26日修改
🍰
YoLo Master项目
•
白皮书链接 YOLO Master白皮书规划
本教程是为了从数据集处理的角度，帮助大家快速上手基于ultralytics YOLOv8m，并完成一个狗品种检测的实战项目。
1.
dog-breed-detection
数据集Context
斯坦福狗数据集包含来自世界各地的 120 种狗的图像。该数据集使用 ImageNet 中的图像和注释构建而成，用于细粒度图像分类任务。它最初是为了细粒度图像分类而收集的，这是一个具有挑战性的问题，因为某些狗品种具有几乎相同的特征或颜色和年龄不同。
数据集Content
•
类别数量：120
•
图像数量：20,580
•
注释：类别标签、边界框
2.
代码块
├── README.md
├── dog-breed-detection_kaggle.ipynb
├── dog-breed-detection_local_slim.ipynb
├── runs
│ └── detect
│ └── predict4
│ ├── dogs1.jpg
│ └── dogs2.jpg
├── test_dogs
│ ├── dogs1.png
│ └── dogs2.png
└── yolov8m-v1
├── F1_curve.png
├── PR_curve.png
├── P_curve.png
├── R_curve.png
├── args.yaml
├── confusion_matrix.png
├── confusion_matrix_normalized.png
├── labels.jpg
├── labels_correlogram.jpg
├── results.csv
├── results.png
├── train_batch0.jpg
├── train_batch1.jpg
├── train_batch2.jpg
├── train_batch23250.jpg
├── train_batch23251.jpg
├── train_batch23252.jpg
├── val_batch0_labels.jpg
├── val_batch0_pred.jpg
├── val_batch1_labels.jpg
├── val_batch1_pred.jpg
├── val_batch2_labels.jpg
├── val_batch2_pred.jpg
└── weights
└── best.pt