SwanLab官方文档

Appearance

Yolo目标检测 ​

INFO

目标检测、计算机视觉

在线Demo | YOLO猫狗检测教程

概述 ​

YOLO（You Only Look Once）是一种由Joseph Redmon等人提出的目标检测模型，广泛应用于各种计算机视觉任务。YOLO通过将图像分成网格，并在每个网格内预测边界框和类别概率，能够实现实时的目标检测，在许多任务上表现出色。

在这个任务中，我们将使用YOLO模型在COCO128数据集上进行目标检测任务，同时用SwanLab进行监控和可视化。

yolo

COCO128 数据集是一个小型的目标检测数据集，来源于广泛使用的 COCO（Common Objects in Context）数据集。COCO128 数据集包含 128 张图像，是 COCO 数据集的一个子集，主要用于快速测试和调试目标检测模型。

环境安装 ​

本案例基于Python>=3.8，请在您的计算机上安装好Python。 环境依赖：

txt
ultralytics
swanlab

快速安装命令：

bash
pip install ultralytics swanlab

本文的代码测试于ultralytics==8.2.18、swanlab==0.3.6

完整代码 ​

python
from ultralytics import YOLO
from swanlab.integration.ultralytics import add_swanlab_callback

def main():
    model = YOLO("yolov8n.pt")
    add_swanlab_callback(model)
    model.train(data="coco128.yaml", epochs=5, imgsz=640, batch=64)

if __name__ == "__main__":
    main()

演示效果 ​

yolo-2

yolo-3