1

.gitignore

@@ -1,4 +1,5 @@
 .venv
 .idea
 yolo
-runs
+runs
+models/yolov8x.pt

02.目标检测.py

@@ -0,0 +1,5 @@
+from ultralytics import YOLO
+
+# 加载预训练模型
+model = YOLO('models/yolov8x.pt')
+model('./resources/目标检测.png', save=True, show=True)

03.图像分类.py

@@ -0,0 +1,5 @@
+from ultralytics import YOLO
+
+# 加载预训练模型
+model = YOLO('models/yolov8x.pt')
+model.train(data='train.yaml', epochs=200, imgsz=640, batch=32, device='cpu')

98.人脸训练.py

@@ -0,0 +1,13 @@
+from ultralytics import YOLO
+
+# 加载预训练模型
+yolo = YOLO('models/yolov8x.pt')
+# 训练模型   
+# data:数据集路径   
+# epochs:训练轮数  
+# imgsz: 图片大小   
+# batch: 批次大小
+# device: 使用设备 0:GPU 'cpu':CPU
+
+yolo.train(data='./dataset/train.yaml', epochs=50, imgsz=640,batch=32,device='cpu')
+print("训练完成")

99.摄像头实时检测.py

@@ -0,0 +1,31 @@
+import time
+
+import cv2
+from ultralytics import YOLO
+
+model = YOLO('./runs/detect/train6/weights/best.pt')
+# 打开默认摄像头（通常是0）
+cap = cv2.VideoCapture(1)
+# 检查摄像头是否成功打开
+if not cap.isOpened():
+    print("无法打开摄像头")
+    exit()
+while True:
+    # 读取一帧
+    ret, frame = cap.read()
+    # 如果正确读取帧，ret为True
+    if not ret:
+        print("无法获取帧")
+        break
+    # 显示帧
+    results = model(frame)
+    # 在帧上绘制检测结果
+    annotated_frame = results[0].plot()
+    # 显示结果
+    cv2.imshow('YOLO实时检测', annotated_frame)
+    # 按'q'键退出
+    if cv2.waitKey(1) == ord('q'):
+        break
+# 释放摄像头并关闭所有窗口
+cap.release()
+cv2.destroyAllWindows()

dataset/classes.txt

@@ -0,0 +1,2 @@
+芩
+何全

dataset/labels/10.txt

@@ -0,0 +1 @@
+1 0.555009 0.267371 0.170985 0.164253

dataset/labels/16.txt

@@ -0,0 +1 @@
+1 0.627333 0.186278 0.258699 0.195992

dataset/labels/WechatIMG1250.txt

@@ -0,0 +1 @@
+1 0.492321 0.367968 0.580348 0.529994

dataset/labels/beauty_1726393025524.txt

@@ -0,0 +1,2 @@
+0 0.464691 0.312427 0.144391 0.144290
+1 0.295314 0.301480 0.172626 0.156597

dataset/labels/beauty_1726463332524.txt

@@ -0,0 +1 @@
+0 0.492602 0.313810 0.550760 0.536375

dataset/train.yaml

@@ -0,0 +1,5 @@
+path: ./dataset # 数据集根目录
+train: images # 训练集目录名
+val: val # 验证集目录名
+nc: 2 # 类别数
+names: [ '芩','何全' ] # 类别名称

dataset1/classes.txt

@@ -0,0 +1 @@
+logo

dataset1/labels/1.txt

@@ -0,0 +1 @@
+0 0.267786 0.495737 0.158273 0.103739

dataset1/labels/2.txt

@@ -0,0 +1,2 @@
+0 0.268585 0.198019 0.163070 0.034106
+0 0.499600 0.501421 0.001599 0.001421