# myyolopro

**Repository Path**: ooooinfo/myyolopro

## Basic Information

- **Project Name**: myyolopro
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-09-18
- **Last Updated**: 2025-09-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 多物体检测项目（使用YOLOv8）

> 注意：您可能想输入的是"YOLO"（You Only Look Once），这是一种流行的目标检测算法，而非"YOVO"。

## 项目介绍

这个项目使用YOLOv8（一种先进的目标检测算法）来识别图片中的多种物体，包括：
- 汽车 (car)
- 人 (person)
- 拖车 (truck)
- 车牌 (license_plate) - 需要自定义训练
- 搭电设备 (battery_jumper) - 需要自定义训练
- 轮胎 (tire) - 需要自定义训练

YOLO是计算机视觉领域广泛使用的实时目标检测模型，能够快速准确地识别图像中的物体。

## 安装依赖

在运行代码之前，您需要安装以下Python库：

```bash
pip install -r requirements.txt
```

## 使用方法

### 交互式模式（推荐）

直接运行脚本，进入交互式界面：

```bash
python car_detection.py
```

然后按照提示选择要执行的操作：
1. 检测单张图片
2. 批量检测文件夹中的图片
3. 创建自定义数据集结构
4. 退出

### 命令行参数模式

```bash
# 检测单张图片
python car_detection.py --image your_image.jpg

# 批量检测文件夹中的图片
python car_detection.py --folder your_folder/

# 调整置信度阈值
python car_detection.py --image your_image.jpg --conf 0.7

# 使用自定义训练的模型
python car_detection.py --image your_image.jpg --model path/to/your/custom/model.pt --custom

# 创建自定义数据集结构
python car_detection.py --create_dataset your_dataset/

# 训练自定义模型
python car_detection.py --train your_dataset/data.yaml --epochs 100
```

## 代码说明

- `MultiObjectDetector`类封装了YOLO模型的加载和多物体检测功能
- 默认使用`yolov8n.pt`模型（最小最快的模型），您可以根据需要更换为更大的模型
- 代码会自动在检测到的物体周围绘制不同颜色的边框并显示置信度
- `AnnotationTool`类提供了创建数据集结构和训练自定义模型的功能

## 自定义物体识别

### 预训练模型支持的物体

YOLOv8预训练模型可以直接识别以下物体：
- 人 (person) - 类别ID: 0
- 汽车 (car) - 类别ID: 2
- 卡车/拖车 (truck) - 类别ID: 7

### 自定义训练支持的物体

对于以下物体，需要创建自定义数据集并训练模型：
- 车牌 (license_plate) - 类别ID: 80
- 搭电设备 (battery_jumper) - 类别ID: 81
- 轮胎 (tire) - 类别ID: 82

### 自定义训练流程

1. **创建数据集结构**：
   ```bash
   python car_detection.py --create_dataset your_dataset/
   ```
   这将创建标准的YOLO数据集目录结构和标注指南。

2. **准备和标注图片**：
   - 将图片放入`your_dataset/images/train`、`your_dataset/images/val`和`your_dataset/images/test`目录
   - 使用标注工具（如LabelImg、Roboflow或CVAT）为图片创建标注
   - 将标注文件放入对应的`your_dataset/labels/train`、`your_dataset/labels/val`和`your_dataset/labels/test`目录

3. **训练自定义模型**：
   ```bash
   python car_detection.py --train your_dataset/data.yaml --epochs 100
   ```
   训练完成后，模型权重将保存在`runs/detect/yolov8n_custom/weights/`目录下。

4. **使用自定义模型进行检测**：
   ```bash
   python car_detection.py --image your_image.jpg --model runs/detect/yolov8n_custom/weights/best.pt --custom
   ```

## 批量处理功能

批量处理功能可以一次性检测文件夹中的所有图片：

1. 使用命令行：
   ```bash
   python car_detection.py --folder your_image_folder/
   ```

2. 或在交互式模式中选择选项2

检测结果将保存在`your_image_folder/detection_results/`目录中。

## 检测结果说明

- 检测结果图片会以`output_原始文件名.jpg`的形式保存
- 图片中会显示检测到的物体边界框和置信度
- 不同物体使用不同颜色标识：
  - 人 (person): 绿色
  - 汽车 (car): 蓝色
  - 拖车 (truck): 红色
  - 车牌 (license_plate): 黄色
  - 搭电设备 (battery_jumper): 紫色
  - 轮胎 (tire): 青色

## 注意事项

- 首次运行时会自动下载YOLOv8模型权重文件（约6MB）
- 自定义训练需要足够的标注数据才能获得良好的效果（建议每个类别至少200张标注图片）
- 训练自定义模型时，您可以通过调整`--epochs`参数来改变训练轮数
- 您可以通过调整`--conf`参数来改变检测的置信度阈值
- 对于自定义类别（车牌、搭电设备、轮胎），必须使用自定义训练的模型才能识别

## 常见问题

- **问：为什么代码中使用的是YOLO而不是YOVO？**
  **答：** 经过搜索和分析，我们认为"YOVO"很可能是"YOLO"的拼写错误。YOLO是计算机视觉领域知名的目标检测算法，而YOVO并未作为类似技术被广泛认知。

- **问：运行代码时出现"找不到图片文件"的错误怎么办？**
  **答：** 请确保您指定的图片路径是正确的，并且图片文件确实存在于该位置。

- **问：为什么我的自定义类别（车牌、搭电设备、轮胎）没有被检测到？**
  **答：** 这些是自定义类别，需要使用`--create_dataset`创建数据集，进行标注，然后使用`--train`训练模型，最后使用`--custom`参数和自定义模型路径才能识别。

- **问：如何提高检测的准确率？**
  **答：** 可以尝试使用更大的模型（如yolov8s.pt, yolov8m.pt等）、调整置信度阈值、增加训练数据量或进行自定义模型训练。

祝您使用愉快！