通用yolo模型
aiwork平台提供了通用yolov5插件,可以自行下载开源训练库或者把你已经训练好的yolov5模型转成.tflite格式即可使用
调用案例:
复制var yolo=new yoloV5(); //可以自己配置是否gpu加速和int8量化 yolo.loadTFMode("/插件/fp16_320.tflite","/插件/YoloV5.txt",320,false,false,false); //或者简写 //yolo.loadTFMode("/插件/fp16_320.tflite","/插件/YoloV5.txt",640); //本地图片识别 var img=new image().readToBitmap(project.getPluginsPath()+"/2.png"); //截图识别 // var img=screen.screenShotFull(); var result=yolo.detectTFlite(img); printl(result);如何训练yolo
可以直接使用tf训练后直接打包tflite
参考地址：https://github.com/yyccR/yolov5_in_tf2_keras
或者使用pytorch训练完以后再用模型量化转换工具转成tflite格式
参开地址：https://gitee.com/song-laogou/yolov5-mask-42第一步：准备 Python 环境 > ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; font-size: 15px; font-variant-ligatures: none;"> 2 安装依赖库 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; font-size: 15px; font-variant-ligatures: none;"> ○ 打开命令提示符（CMD），进入 Python 解压目录，运行以下命令安装必要的依赖库： ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; font-size: 15px; font-variant-ligatures: none;"> ○ 如果没有 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; padding-right: 4px; padding-left: 4px; margin: 1px 3px; line-height: 1.1; word-break: break-all;"> requirements.txt ，可以手动安装常见库，如 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; padding-right: 4px; padding-left: 4px; margin: 1px 3px; line-height: 1.1; word-break: break-all;"> numpy , ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; padding-right: 4px; padding-left: 4px; margin: 1px 3px; line-height: 1.1; word-break: break-all;"> torch , ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; padding-right: 4px; padding-left: 4px; margin: 1px 3px; line-height: 1.1; word-break: break-all;"> opencv-python 等。 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; font-size: 15px; font-variant-ligatures: none;"> ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; font-variant-ligatures: none;"> 第二步：准备训练数据 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Helvetica Neue", Helvetica, Arial, sans-serif, "Segoe UI"; font-size: 15px; font-variant-ligatures: none;"> 1 整理训练图片 ○ 将需要训练的图片文件复制到 AI Work 根目录下的 ai 文件夹中。例如： 2 准备标签文件 ○ 将标签文件（通常是 .txt 文件，每行对应一张图片的标签）放入对应的文件夹中。例如： ○ ○ 确保标签文件的内容格式正确，通常为每行一个目标框的坐标和类别 ID。 3 创建验证集 ○ 从训练集中随机抽取部分数据（如 10%-20%），复制到 val/ 文件夹中，并确保标签文件也一并复制。 第三步：配置训练参数 1 打开 AI Work 界面 ○ 启动 AI Work 应用程序，进入训练界面。 2 设置数据路径 ○ 在“数据设置”或“训练数据”选项中，配置训练集和验证集的路径： 3 设置分类信息 ○ 如果你有自定义的分类（如“猫”、“狗”等），在“分类设置”中添加对应的类别名称，并确保类别数量与标签文件中的 ID 一致。 ○ 如果没有特定分类，可以默认使用 AI Work 提供的分类。 4 调整训练参数 ○ 设置训练参数，如批次大小（batch size）、学习率（learning rate）、训练轮数（epochs）等。 ○ 如果不确定参数设置，可以先使用默认值。 5 保存配置文件 ○ 确保所有参数配置完成后，保存为配置文件（如 config.yaml 或 config.json ）。 第四步：启动训练 
1 进入训练界面 ○ 在 AI Work 中找到“开始训练”或“启动训练”按钮，点击即可开始训练。 2 监控训练过程 ○ 训练过程中，AI Work 会显示实时的损失值（loss）、准确率（accuracy）等指标。 ○ 如果发现损失值异常或训练效果不好，可以暂停训练，调整参数后重新开始。 3 保存训练模型 ○ 训练完成后，AI Work 会自动生成训练好的模型文件（如 .pth 或 .onnx 文件），通常保存在根目录的 models/ 文件夹中。 第五步：验证和优化 1 验证模型效果 ○ 使用验证集或新的测试数据，验证模型的准确率和性能。 ○ 如果效果不理想，可以调整训练参数（如学习率、批次大小）或增加训练数据。 2 导出模型 ○ 如果需要，可以将训练好的模型导出为其他格式（如 .onnx 或 .tflite ），以便在其他设备上部署。 注意事项 1 数据格式 ○ 确保图片和标签文件的格式与 AI Work 支持的格式一致（如 .jpg 和 .txt ）。 2 文件夹结构 ○ 保持清晰的文件夹结构，避免数据混乱。 3 训练参数 ○ 如果训练时间过长或效果不佳，可以尝试调整学习率或增加训练轮数。
>MYAIWORK>
YTHON383PYTHON38PYTHON.EX