环境准备克隆

https://github.com/WongKinYiu/yolov7.git

yolov73.

数据集或你自己收集的标注你可以将数据集放到适当的文件夹里并确保标注格式符合

YOLOv7

yolov7.pt你可以直接使用预训练模型进行微调也可以从头开始训练模型。

训练命令

假设你已经准备好数据集并配置了数据集路径你可以开始训练。

训练时需要指定数据配置文件.yaml

python

50训练的轮数。

--data数据集的配置文件包含训练集、验证集的路径以及类数等信息。

--cfg模型结构配置文件。

--weights预训练权重路径若不使用预训练权重可将其设为

为第一块

会定期保存模型并在训练后自动进行验证。

你可以使用如下命令测试训练后的模型

python

runs/train/exp0/weights/best.pt

--data

test执行测试任务。

--conf-thres设置置信度阈值低于该值的检测结果会被丢弃。

--iou-thresIoU

阈值用于

runs/train/exp0/weights/best.pt

--img-size

./data/images--source指定测试图片或视频的路径可以是文件夹路径、单个图片文件路径、视频文件路径等。

--weights使用训练好的模型进行推理。

--img-size指定输入图像的尺寸。

--conf-thres设置置信度阈值。

推理后YOLOv7

复现的过程其实是比较直接的官方提供的代码已经很清晰并且易于理解。

你可以根据需求进行调整选择合适的模型结构和训练策略来优化你的应用场景。