发帖
雷达卡
1、训练配置文件的准备
系统默认提供了一个名为 coco128.yaml 的配置文件，其中包含了80个目标类别，涵盖了“人”这一类别（类别编号为0），但并未包含“老鼠”这一类。
基础模型选择：可选用
yolov8n.pt或其他更大型号的预训练模型。该模型已具备对“人”及其他79个类别的良好识别能力。
需求一：新增仅标注“老鼠”的数据集
在此场景下，您只需收集并标注新类别——“老鼠”。
在采集的新图像中，即使画面里出现了“人”，也无需对其进行任何标注，仅需标注“老鼠”对象即可。
随后，创建一个新的配置文件 my_rats.yaml，其内容如下：
path: /root/my_rat_project/data
train: images/
val: images/
# 关键！字典里只有新类别
nc: 1
names: ['rat']启动训练所使用的命令为：
yolo train data=my_rats.yaml model=yolov8n.pt epochs=100需求二：在后厨图像中同时检测“老鼠”与“人”
若您的应用场景要求同时识别并框选出“老鼠”和“人”，则需要重新构建一个包含这两个类别的数据集。
为此，需编写相应的 YAML 配置文件，结构如下所示：
nc: 2
names: ['person', 'rat']使用标注工具进行标注时，系统将自动生成两类标签文件：
0 ...以及
1 ...完成标注后，执行以下训练指令：
yolo train data=... model=yolov8n.pt ...最终训练所得的模型将具备同时识别“人”和“老鼠”两个类别的能力。
京公网安备 11010802022788号
