使用 KerasCV YOLOv8 进行物体检测--附完整实现源码

YOLO 目标检测模型已应用于无数应用,从监控系统到自动驾驶车辆。但是,当在 KerasCV 框架下将 YOLOv8 的这种能力配对时会发生什么呢?最近,KerasCV 将著名的 YOLOv8 检测模型集成到其库中。在本文中,我们将探讨如何使用自定义数据集微调 YOLOv8。在此过程中,我们还将涵盖以下几点。

  • 在交通灯检测数据集上微调 YOLOv8。
  • 对验证图像运行推理。
  • 分析结果。

使用 KerasCV YOLOv8 进行物体检测--附完整实现源码_第1张图片

图 1. 用于交通灯检测的 KerasCV YOLOv8 输出。

交通灯检测数据集

我们将使用交通灯检测数据集训练 KerasCV YOLOv8 模型。Thinklab 的小型交通灯数据集 (S2TLD)。笔记本内的下载链接提供了图像和注释的集合。

该数据集包含4564 个图像,注释以 XML 格式呈现。以下图像清楚地描绘了收集图像的不同场景。

你可能感兴趣的:(深度学习开发实践系列,计算机视觉,目标检测,算法,python,人工智能)