从0到1，快速训练并使用YOLO模型

简介

YOLO是目前计算机视觉领域最前沿、应用最广泛的目标检测算法框架，他能快速识别区分目标，广泛应用于游戏，无人驾驶，工业等领域。
以识别躲避掉落滑块的游戏的物体图片作为例子。
一，环境配置

1. pip install ultralytics

复制代码

二，准备数据集

这个格式目录如下：

1. my_dataset/
2. ├── data.yaml # 配置文件（定义路径和类别）
3. ├── train/ #训练数据集
4. │   ├── images/ # 训练图片
5. │   └── labels/ # 标注文件 (.txt)
6. └── val/ #验证数据集
7.     ├── images/
8.     └── labels/

复制代码

data.yml

1. path: D:\D_MyProject\Ai\game_ai\my_dataset #数据集路径
2. train: train/images #训练集图片路径
3. val: val/images #验证集图片路径
5. nc: 3 #标记个数
6. names:  #每个标记的名称
7.   0: player
8.   1: enemy
9.   2: game_over

复制代码

下面是用AI生成了数据集的生成脚本

数据量太多了，这里为了演示，或者学习，可以直接使用下面脚本
[code]import pygameimport randomimport sysimport osimport shutil# =================配置区域=================# 数据集根目录名称DATASET_ROOT = "my_dataset"# 采集总数量MAX_IMAGES = 1000# 训练集占比 (0.8 = 80% 训练, 20% 验证)TRAIN_RATIO = 0.8# ================= 1. 环境清理与目录创建 =================print(f"
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！