# image-recognition

**Repository Path**: zkiskevin/image-recognition

## Basic Information

- **Project Name**: image-recognition
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-04-02
- **Last Updated**: 2025-04-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# DataMatrix 码识别项目

基于 YOLOv8 的 DataMatrix 码检测与识别项目。

## 项目结构

```
image-recognition/
├── datasets/              # 数据集目录
│   ├── raw/              # 原始采集图像
│   ├── yolo_format/      # YOLO 格式数据集
│   ├── datamatrix.yaml   # 数据集配置文件
├── scripts/              # 脚本目录
│   ├── train.py         # 训练脚本
│   ├── predict.py       # 预测脚本
│   ├── utils.py         # 工具函数
│   └── setup_env.py     # 虚拟环境配置脚本
├── models/              # 模型目录
│   └── checkpoints/     # 模型检查点
├── notebooks/           # Jupyter notebooks
├── venv/               # Python 虚拟环境
└── requirements.txt     # 项目依赖
```

## 环境要求

- Python 3.10
- CUDA 支持（推荐用于训练）

## 安装

1. 克隆项目：
```bash
git clone [项目地址]
cd image-recognition
```

2. 配置虚拟环境：
```bash
# Windows
python scripts/setup_env.py
venv\Scripts\activate

# Linux/Mac
python scripts/setup_env.py
source venv/bin/activate
```

## 使用方法

### 训练模型

```bash
# 确保已激活虚拟环境
python scripts/train.py --data datasets/datamatrix.yaml --model yolov8n.pt --epochs 100
```

### 预测

```bash
# 确保已激活虚拟环境
python scripts/predict.py --model models/checkpoints/best.pt --source [图片路径/摄像头]
```

## 数据集准备

1. 将原始图像放入 `datasets/raw` 目录
2. 使用 `scripts/utils.py` 中的工具函数处理数据
3. 转换后的数据将保存在 `datasets/yolo_format` 目录

## 注意事项

- 确保数据集标注格式符合 YOLO 要求
- 训练前检查 `datamatrix.yaml` 配置是否正确
- 模型检查点将保存在 `models/checkpoints` 目录
- 使用完毕后，可以使用 `deactivate` 命令退出虚拟环境
- 如果遇到 CUDA 相关错误，请确保已正确安装 CUDA 和 cuDNN