YOLO通用无人机目标检测框架

YOLO通用目标检测框架

import argparse
from pathlib import Pathfrom ultralytics import YOLOdef parse_args() -> argparse.Namespace:parser = argparse.ArgumentParser(description="Run YOLOv8 inference on images/video/camera")parser.add_argument("--weights",type=str,default=str(Path("runs/bird/exp/weights/best.pt")),help="Path to trained weights (.pt)",)parser.add_argument("--source",type=str,required=True,help="Input source: path to image/folder/video or camera index (e.g. 0)",)parser.add_argument("--imgsz", type=int, default=640, help="Inference image size")parser.add_argument("--conf", type=float, default=0.25, help="Confidence threshold")parser.add_argument("--iou", type=float, default=0.7, help="NMS IoU threshold")parser.add_argument("--device", type=str, default="cpu", help="Device: 'cpu' or '0' for GPU 0")parser.add_argument("--save", action="store_true", help="Save visualized predictions")parser.add_argument("--save_txt", action="store_true", help="Save predictions to .txt files")parser.add_argument("--save_crop", action="store_true", help="Save cropped detections")parser.add_argument("--show", action="store_true", help="Display a window with results")parser.add_argument("--project", type=str, default="runs/infer", help="Project dir for outputs")parser.add_argument("--name", type=str, default="predict", help="Run name for outputs")return parser.parse_args()def main() -> None:args = parse_args()# Support numeric webcam indicessource: str | inttry:source = int(args.source)except ValueError:source = args.sourcemodel = YOLO(args.weights)model.predict(source=source,imgsz=args.imgsz,conf=args.conf,iou=args.iou,device=args.device,save=args.save,save_txt=args.save_txt,save_crop=args.save_crop,show=args.show,project=args.project,name=args.name,exist_ok=True,verbose=True,)if __name__ == "__main__":main()

简介

YOLO通用目标检测框架是一个模块化、可扩展的目标检测解决方案，基于YOLO系列算法构建。该框架支持快速替换数据集并进行模型训练，提供从数据准备到模型部署的完整工作流程。

特性

• 🚀 多模型支持: 支持YOLOv5/YOLOv8等多个版本
• 📦 模块化设计: 清晰的架构，便于维护和扩展
• 🔄 完整流程: 涵盖数据准备、模型训练、推理和部署
• ⚡ 高性能: 支持GPU加速和模型优化
• 🌐 多种接口: 提供命令行、Python API和Web API
• 📊 可视化: 内置训练监控和结果可视化

目录结构

yolosb/
├── models/              # 模型相关文件
├── datasets/            # 数据集管理
├── src/                 # 项目源代码
└── docs/                # 运行说明文档

快速开始

安装依赖

# 克隆项目
git clone <repository-url>
cd yolosb# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/macOS
# or
venv\Scripts\activate     # Windows# 安装依赖
pip install -r requirements.txt

准备数据集

# 复制数据集模板
cp -r datasets/templates/yolo datasets/my_dataset# 按照YOLO格式组织您的数据

模型训练

python src/scripts/train.py \--config models/configs/training/yolov8n.yaml \--data datasets/my_dataset/dataset.yaml \--epochs 100

目标检测

python src/scripts/detect.py \--model models/weights/trained/best.pt \--source input.jpg \--output results

项目源码地址：https://download.csdn.net/download/weixin_43050480/92043612