Comments 11
Для лучшего результата можно настроить аугментацию в файле ultralytics/ultralytics/cfg/default.yaml
Хотелось бы конечно увидеть хоть какие-то метрики по итогу и сравнения с классическими подходомами к детекции знаков (например, поиск по цвету, выделение контуров, сглаживание) и потом классификации (тут уже целый зоопарк, взять какую нибудь SoTA для легких устройств).
Пока это выглядит так, как будто танком пытаются заводить блоху.
Есть масса детекторов знаков (не обязательно дорожных), которые работают на базе встраиваемых устройств или вообще внутри ip камер. И там вашу yolo8s конечно будет трудно раскатать, а судя по всему, ещё и результат будет не намного лучше, хотя тут уже как посмотреть (а в случае, с нейронными сетями, ещё и как обучить)
Метрики я не делала, поэтому их пока нет в статье. Либо в скором времени дополню статью, либо уже пообучаю модельку чуть подольше и тогда уже можно будет что-то сравнивать, но уже в новой статье.
Я не собираюсь встраивать модельку в какие-либо устройства, это тестовый проект, чтобы попробовать свои силы, ну и узнать что-то новое :)
epochs=5 name='YOLOv8s' imgsz=1280
5 эпох очень мало ставьте 200 эпох
и модель не 's' а 'l' и будет счастье вам
также размер можно смело уменьшить до 960, а то и 640
что я превысила время использования ресурсов и остановил обучение не дав скачать веса и удалив все файлы
Если обучаете на бесплатном коллабе, то есть следующий способ не потерять веса:
Монтируем гугл диск, привязанный к аккаунту на котором запускается коллаб. Для этого можно нажать на соответствующую кнопку в файловом менеджере сессии, либо простым кодом:
from google.colab import drive
drive.mount('/content/drive')И у вас подключится гугл диск с read-write доступом. Абсолютный путь: /content/drive/MyDrive
Теперь при обучении используйте аргумент save_dir, в который указываете путь к любой папке на коллабе.
P.S. У этого решения есть небольшой минус, а именно сохранение в файловую систему текущей сессии быстрее сохранения с коллаба на гугл диск. Но в принципе это не критично, так как файлы вы будете сохранять сравнительно небольшие.
Я пробовала использовать files.download(). В первый раз когда обучала, то в самом конце поставила веса на скачивание, как только обучение завершится. По итогу обучение остановилось, файлы удалились и всё. Скажем так, это был фейл.
Во второй раз я всё-таки прикрутила гугл диск, даже подумала, что можно туда всё подгружать и ничего не удалится (как раз ваш вариант), но скорость загрузки меня немного разочаровала. По этой причине решила не использовать, да и обучать на колабе дольше, чем на своём железе, так что это так, получение навыков :(
Отличный совет!
Всегда так делаю и забыл о проблемах с потерей результатов обучения в колабе.
Хорошая статья для новичков. Не хватает информации о размерах датасета (количество изображений в тренировочной и валидационной выборке) и какая получилась метрика mAP. Без этого оценить результаты сложно.
Обучение YOLOv8s на Google Colab: детектим дорожные знаки