Duruofu's blog

Appearance

YOLO 入门：从图像到目标检测的第一步 ​

一、YOLO 介绍 ​

1.1 YOLO 是什么？ ​

YOLO，全称 You Only Look Once，是一种实时目标检测算法，它可以在一张图像中快速识别多个目标的位置和类别。YOLO 以其高效和实时性能广泛应用于安防、自动驾驶、智能监控等领域。

1.2 YOLO 的核心思想 ​

传统的目标检测方法通常分为两个阶段：

  1. 先提取候选区域（Region Proposals）；
  2. 再对每个区域进行分类。

而 YOLO 则采用单阶段检测的方式，直接把目标检测当成一个回归问题来处理：

  • 输入一张图像；
  • 网络直接输出每个目标的：
    • 类别（比如：人、狗、车）；
    • 位置信息（边界框坐标）；
    • 置信度（置信评分）。

1.3 YOLO 的演进版本 ​

YOLO 系列已经发展了多个版本：

版本特点
YOLOv1最初版本，速度快但准确度一般
YOLOv3多尺度检测，引入残差结构
YOLOv4性能全面提升，加入大量优化技巧
YOLOv5用 PyTorch 编写，轻量、开源活跃
YOLOv6/7/8不同团队推出，精度和速度进一步优化

💡 新手推荐使用 YOLOv5 或 YOLOv8，文档丰富、社区活跃、支持导出 ONNX 等多种部署格式。

二、尝试使用YOLO(快速入门) ​

以YOLO V5为例，这里我使用uv来管理Python虚拟环境(请自行提前安装uv和python 注意：Python>=3.8.0 )：

克隆 YOLOv5 仓库 并安装依赖环境：

bash
git clone https://github.com/ultralytics/yolov5 
cd yolov5
uv venv
.venv\Scripts\activate
uv pip install -r requirements.txt

如下图：

下载得到的Yolo5文件夹目录如下：

其中重要的文件解释如下、做了解即可：

yolov5/                           # YOLOv5 项目根目录
├── classify/                     # 分类任务相关代码
├── data/                         # 数据集配置文件 (coco128.yaml 等)
├── models/                       # 模型结构定义 (yolov5s.yaml 等)
├── segment/                      # 分割任务相关代码
├── utils/                        # 工具函数 (增强、NMS、日志、绘图等)
├── detect.py                     # 推理脚本 (图片/视频/摄像头检测)
├── train.py                      # 训练脚本
├── val.py                        # 验证脚本 (mAP 等指标)
├── export.py                     # 模型导出脚本 (ONNX, TensorRT, CoreML...)
├── hubconf.py                    # 允许 torch.hub.load 加载模型
├── benchmarks.py                  # 性能基准测试
├── requirements.txt              # Python 依赖库清单
├── pyproject.toml                 # 项目配置 (构建/依赖信息)
├── LICENSE                       # 开源许可证 (AGPL-3.0)
├── README.md                     # 项目说明 (英文)
├── README.zh-CN.md               # 项目说明 (中文)
├── CONTRIBUTING.md               # 贡献指南
├── CITATION.cff                  # 学术引用文件
├── .git/                         # Git 版本控制文件夹
├── .github/                      # GitHub 配置 (CI/CD workflows)
├── .gitignore                    # Git 忽略规则
├── .dockerignore                 # Docker 忽略规则
├── .venv/                        # 虚拟环境 (本地生成，不是源码自带)

下面我们使用推理脚本 detect.py 来进行目标检测的初次尝试，官方文档里给的指令很清晰，有下面这些：

python detect.py --weights yolov5s.pt --source 0                              # webcam
python detect.py --weights yolov5s.pt --source image.jpg                      # image
python detect.py --weights yolov5s.pt --source video.mp4                      # video
python detect.py --weights yolov5s.pt --source screen                         # screenshot
python detect.py --weights yolov5s.pt --source path/                          # directory
python detect.py --weights yolov5s.pt --source list.txt                       # list of images
python detect.py --weights yolov5s.pt --source list.streams                   # list of streams
python detect.py --weights yolov5s.pt --source 'path/*.jpg'                   # glob pattern
python detect.py --weights yolov5s.pt --source 'https://youtu.be/LNwODJXcvt4' # YouTube video
python detect.py --weights yolov5s.pt --source 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream

这里我们使用第一种来加载我们的电脑摄像头：

使用命令（这里的--source 0 值摄像头编号，这里我有多个摄像头，我使用1号）：

bash
python detect.py --weights yolov5s.pt --source 1

运行后效果如下：

这样我们就完成了一次目标检测的尝试，我们也可以使用本地图片进行检测，将--source 的参数改为本地图片路径即可，比如--source img.jpg, 检测完成的结构会输出在目录下面的runs文件夹内，便于再次查看。

到这里我们就完成了Yolo的基本使用，下面我们尝试自行训练模型，来识别真正想识别的东西。

二、数据集概念和常见数据集结构 ​

2.1 什么是目标检测数据集？ ​

目标检测数据集包含两个核心部分：

  • 图像文件：包含待检测目标的图片
  • 标注文件：描述图像中目标的位置和类别信息

2.2 常见数据集格式 ​

COCO 格式 ​

  • 特点：JSON 格式，适合复杂场景
  • 结构：
    dataset/
├── images/          # 图像文件夹
│   ├── train/
│   └── val/
└── annotations/     # 标注文件夹
    ├── instances_train.json
    └── instances_val.json

YOLO 格式 ​

  • 特点：每张图片对应一个 txt 标注文件
  • 结构：
    dataset/
├── images/
│   ├── train/
│   └── val/
└── labels/
    ├── train/
    └── val/
  • 标注格式：class_id center_x center_y width height
    • 所有坐标都是相对于图像尺寸的比例值（0-1）

Pascal VOC 格式 ​

  • 特点：XML 格式，结构清晰
  • 结构：
    dataset/
├── JPEGImages/      # 图像文件
├── Annotations/     # XML标注文件
└── ImageSets/       # 数据集划分信息

2.3 常用公开数据集 ​

数据集名称类别数图像数量特点
COCO80330K复杂场景，多目标
Pascal VOC2020K经典数据集，入门首选
Open Images600+9M大规模，类别丰富
ImageNet1000+14M主要用于分类，也有检测版本

三、环境安装与配置 ​

3.1 Python 环境准备 ​

推荐使用 Python 3.8+ 版本：

bash
# 创建虚拟环境
python -m venv yolo_env

# 激活环境 (Windows)
yolo_env\Scripts\activate

# 激活环境 (Linux/Mac)
source yolo_env/bin/activate

3.2 安装 YOLOv5 ​

方法一：从 GitHub 克隆（推荐） ​

bash
# 克隆仓库
git clone https://github.com/ultralytics/yolov5.git
cd yolov5

# 安装依赖
pip install -r requirements.txt

方法二：使用 pip 安装 ​

bash
pip install ultralytics

3.3 安装 YOLOv8 ​

bash
# 安装 ultralytics 包
pip install ultralytics

# 验证安装
yolo --version

3.4 GPU 支持（可选但推荐） ​

如果有 NVIDIA GPU，安装 CUDA 版本的 PyTorch：

bash
# 查看 CUDA 版本
nvidia-smi

# 安装对应版本的 PyTorch（以 CUDA 11.8 为例）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

3.5 验证安装 ​

创建测试脚本 test_yolo.py：

python
import torch
from ultralytics import YOLO

# 检查 PyTorch 和 CUDA
print(f"PyTorch 版本: {torch.__version__}")
print(f"CUDA 可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU 设备: {torch.cuda.get_device_name(0)}")

# 加载预训练模型
model = YOLO('yolov8n.pt')  # 自动下载
print("YOLO 模型加载成功！")

运行测试：

bash
python test_yolo.py

四、快速开始：第一个 YOLO 检测 ​

4.1 使用预训练模型进行检测 ​

YOLOv8 示例 ​

python
from ultralytics import YOLO
from PIL import Image

# 加载预训练模型
model = YOLO('yolov8n.pt')  # n=nano, s=small, m=medium, l=large, x=xlarge

# 对图像进行检测
results = model('path/to/your/image.jpg')

# 显示结果
for result in results:
    # 显示图像
    result.show()
    
    # 保存结果
    result.save('output.jpg')
    
    # 打印检测信息
    for box in result.boxes:
        print(f"类别: {model.names[int(box.cls)]}, 置信度: {box.conf:.2f}")

YOLOv5 示例 ​

python
import torch

# 加载模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# 检测图像
results = model('path/to/your/image.jpg')

# 显示结果
results.show()

# 保存结果
results.save('output/')

# 获取检测结果
print(results.pandas().xyxy[0])  # 边界框坐标和置信度

4.2 批量检测 ​

python
from ultralytics import YOLO
import os

model = YOLO('yolov8n.pt')

# 检测文件夹中的所有图像
image_folder = 'path/to/images/'
for filename in os.listdir(image_folder):
    if filename.lower().endswith(('.jpg', '.jpeg', '.png')):
        image_path = os.path.join(image_folder, filename)
        results = model(image_path)
        
        # 保存结果
        results[0].save(f'output/{filename}')
        print(f"已处理: {filename}")

4.3 视频检测 ​

python
from ultralytics import YOLO

model = YOLO('yolov8n.pt')

# 检测视频
results = model('path/to/video.mp4')

# 保存检测结果视频
for result in results:
    result.save('output_video.mp4')

五、训练自定义模型 ​

5.1 准备数据集 ​

数据集目录结构 ​

custom_dataset/
├── images/
│   ├── train/
│   └── val/
├── labels/
│   ├── train/
│   └── val/
└── dataset.yaml

创建 dataset.yaml ​

yaml
# dataset.yaml
path: ./custom_dataset  # 数据集根目录
train: images/train     # 训练图像路径
val: images/val         # 验证图像路径

# 类别数量
nc: 3

# 类别名称
names: ['person', 'car', 'bicycle']

5.2 开始训练 ​

YOLOv8 训练 ​

python
from ultralytics import YOLO

# 加载预训练模型
model = YOLO('yolov8n.pt')

# 开始训练
results = model.train(
    data='dataset.yaml',    # 数据集配置文件
    epochs=100,             # 训练轮数
    imgsz=640,              # 图像尺寸
    batch=16,               # 批次大小
    name='custom_model',    # 实验名称
    device=0                # GPU 设备 (0 表示第一个GPU，'cpu' 表示使用CPU)
)

命令行训练 ​

bash
# YOLOv8
yolo train data=dataset.yaml model=yolov8n.pt epochs=100 imgsz=640

# YOLOv5
python train.py --data dataset.yaml --weights yolov5s.pt --epochs 100

5.3 模型评估 ​

python
# 评估模型性能
metrics = model.val()
print(f"mAP50: {metrics.box.map50}")
print(f"mAP50-95: {metrics.box.map}")

5.4 使用训练好的模型 ​

python
# 加载自定义训练的模型
model = YOLO('runs/detect/custom_model/weights/best.pt')

# 进行预测
results = model('test_image.jpg')
results[0].show()

六、模型部署与优化 ​

6.1 模型格式转换 ​

导出为 ONNX 格式 ​

python
from ultralytics import YOLO

model = YOLO('yolov8n.pt')

# 导出为 ONNX
model.export(format='onnx')

导出为其他格式 ​

python
# 支持的格式
formats = ['onnx', 'torchscript', 'tensorflow', 'tflite', 'coreml']

for fmt in formats:
    model.export(format=fmt)

6.2 推理优化 ​

使用 TensorRT 加速（NVIDIA GPU） ​

bash
# 安装 TensorRT
pip install nvidia-tensorrt

# 导出 TensorRT 模型
yolo export model=yolov8n.pt format=engine device=0

使用 OpenVINO 加速（Intel CPU） ​

bash
# 安装 OpenVINO
pip install openvino

# 导出 OpenVINO 模型
yolo export model=yolov8n.pt format=openvino

七、常见问题与解决方案 ​

7.1 安装问题 ​

问题：pip install 速度慢 解决：使用国内镜像源

bash
pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple/

问题：CUDA 版本不匹配 解决：检查 CUDA 版本并安装对应的 PyTorch

bash
nvidia-smi  # 查看 CUDA 版本
# 访问 https://pytorch.org/ 获取安装命令

7.2 训练问题 ​

问题：显存不足 解决：

  • 减小 batch size
  • 使用更小的模型（如 yolov8n）
  • 减小图像尺寸

问题：训练速度慢 解决：

  • 使用 GPU 训练
  • 增加 workers 数量
  • 使用混合精度训练

7.3 检测效果问题 ​

问题：检测精度低 解决：

  • 增加训练数据
  • 调整数据增强参数
  • 使用更大的模型
  • 增加训练轮数

问题：检测速度慢 解决：

  • 使用更小的模型
  • 降低输入图像分辨率
  • 使用模型量化或剪枝

八、进阶学习资源 ​

8.1 官方资源 ​

8.2 学习建议 ​

  1. 从预训练模型开始：先熟悉基本使用，再尝试训练
  2. 小数据集练手：使用少量数据快速验证流程
  3. 逐步优化：从基础配置开始，逐步调优参数
  4. 关注社区：加入相关技术群组，获取最新信息

8.3 实践项目推荐 ​

  • 人脸检测：使用 WIDER FACE 数据集
  • 车辆检测：使用 KITTI 数据集
  • 行人检测：使用 CityPersons 数据集
  • 自定义场景：收集特定场景数据进行训练

总结 ​

YOLO 作为目标检测领域的经典算法，具有速度快、精度高、易部署的特点。通过本指南，你应该能够：

✅ 理解 YOLO 的基本原理和发展历程 ✅ 掌握常见数据集格式和结构 ✅ 完成环境安装和配置 ✅ 使用预训练模型进行检测 ✅ 训练自定义模型 ✅ 进行模型部署和优化