基于yolov11的手语检测 | 附数据集+代码

小白学视觉

发布于 2024-12-09 14:03:08

1.3K00

代码可运行

文章被收录于专栏：深度学习和计算机视觉深度学习和计算机视觉

运行总次数：0

代码可运行

重磅干货，第一时间送达

YOLO11是Ultralytics YOLO系列实时目标检测器的最新迭代，它重新定义了尖端精度、速度和效率的可能性。在以往YOLO版本的令人印象深刻的进步基础上，YOLO11在架构和训练方法上引入了重大改进，使其成为广泛计算机视觉任务的多功能选择。

此模型可以做很多很酷的事情，比如：

寻找物体：它可以在图像中定位和识别不同的物体，如汽车、人或树木。
分类事物：它可以告诉你它看到了什么样的物体，如猫或香蕉。
理解物体的形状：它甚至可以勾勒出物体的确切形状，如追踪它。
弄清楚姿势：它可以了解人体的位置，比如他们是站着、坐着还是挥手。

主要特点

增强特征提取：YOLO11采用了改进的骨干和颈部架构，增强了特征提取能力，实现了更精确的目标检测和复杂任务的性能。
优化效率和速度：YOLO11引入了精细的架构设计和优化的训练流程，提供了更快的处理速度，并在准确性和性能之间保持了最佳平衡。
参数更少，准确性更高：随着模型设计的进步，YOLO11m在COCO数据集上实现了更高的平均精度均值（mAP），同时比YOLOv8m使用的参数减少了22%，使其在不牺牲准确性的情况下具有计算效率。
适应不同环境：YOLO11可以无缝部署在各种环境中，包括边缘设备、云平台和支持NVIDIA GPU的系统，确保了最大的灵活性。
支持任务范围广泛：无论是目标检测、实例分割、图像分类、姿态估计还是定向目标检测（OBB），YOLO11都旨在应对多样化的计算机视觉挑战。

数据集信息

在此项目中使用的美国手语（ASL）数据集来源自Roboflow Universe/duyguj/american-sign-language-letters。所有数据集中的图像都预先标记，确保了准确的训练数据。此外，还在Roboflow中应用了数据增强技术以增加数据集的多样性，提高了模型的泛化能力。采用了翻转、旋转和亮度调整等技术。详细链接：https://app.roboflow.com/duyguj/american-sign-language-letters-vouo0/1

该数据集包含总共1224张图像，分为三组：

训练集：1008张图像（82%）
验证集：144张图像（12%）
测试集：72张图像（6%）

预处理：

自动定向：应用以确保图像正确对齐。
调整大小：所有图像都调整大小以适应640x640像素。

数据增强：

每个训练示例由于增强而有两个输出，包括：

旋转：在-15°和+15°之间以模拟不同的手姿。
曝光：在-10%和+10%之间调整以适应不同的光照条件。
模糊：高达2px以模拟运动或相机模糊。

这种设置旨在通过让模型接触多样化的输入来提高其泛化能力。

训练过程

YOLO11模型在此ASL数据集上进行了微调，专门用于手语目标检测。这个训练过程包括：

数据集增强：使用Roboflow通过转换来增强数据集。
模型训练：使用这个增强的数据集训练YOLOv11，并使用单独的验证数据集来验证性能。
测试：训练完成后，模型在专用的测试集上进行测试，以评估其预测未见数据的能力。

性能和观察

最终模型在随机手语图像和视频上进行了测试，以观察其在现实世界中的表现。结果显示了在实时检测不同ASL标志方面的有希望的结果，证明了YOLO11架构在处理复杂、基于手势的任务方面的有效性。

设置和初始化

访问GPU

我们可以使用nvidia-smi命令来做到这一点。如果遇到任何问题，请导航到“编辑”->“笔记本设置”->“硬件加速器”，将其设置为GPU。

# “注意：此设置适用于kaggle”

!pip install ultralytics supervision roboflow

from IPython import display
display.clear_output()

!pip install ultralytics --quiet
import ultralytics
ultralytics.checks()

加载数据集

1. 配置API密钥以加载数据集

为了微调YOLO11，你需要提供你的Roboflow API密钥。请按照以下步骤操作：

前往你的Roboflow设置页面，点击复制，这将把你的私有密钥放在剪贴板中。
在Colab中，转到左侧面板并点击“秘密”（🔑）。
在名称为ROBOFLOW_API_KEY下存储Roboflow API密钥。Roboflow：转到你的Roboflow数据集下载 -> 选择YOLO模型 -> 选择显示下载代码 -> 点击复制。在Colab中：转到左侧面板并点击“秘密”（🔑）。
在一个用户名下存储Roboflow API密钥。
在Kaggle中：转到“插件”→“秘密”→“添加秘密”（🔑），并存储你的Kaggle API密钥和用户名。

# Save the API key in Kaggle
from kaggle_secrets import UserSecretsClient

user_secrets = UserSecretsClient()
secret_value_0 = user_secrets.get_secret("my_api_key")

# Roboflow Dataset API Code
!pip install roboflow --quiet
from roboflow import Roboflow

rf = Roboflow(secret_value_0)

project = rf.workspace("duyguj").project("american-sign-language-letters-vouo0")
version = project.version(1)
dataset = version.download("yolov11")

模型训练

# Changing to the working directory in Kaggle
%cd /kaggle/working

# Training the YOLO model
!yolo task=detect mode=train model=yolo11n.pt data=/kaggle/working/American-Sign-Language-Letters-1/data.yaml epochs=10 imgsz=640 plots=True

#Results saved to runs/detect/train
#Learn more at https://docs.ultralytics.com/modes/train

from IPython.display import Image as IPyImage

# Display the confusion matrix image from the specified directory in Kaggle
IPyImage(filename='/kaggle/working/runs/detect/train/confusion_matrix.png', width=1000)

IPyImage(filename=f'/kaggle/working/runs/detect/train/results.png', width=1000)

IPyImage(filename=f'/kaggle/working/runs/detect/train/val_batch0_pred.jpg', width=1000)

预测

# Run the prediction task on Test Data
!yolo task=detect mode=predict model=/kaggle/working/runs/detect/train/weights/best.pt conf=0.25 source=/kaggle/working/American-Sign-Language-Letters-1/test/images save=True

#Results saved to runs/detect/predict
#💡 Learn more at https://docs.ultralytics.com/modes/predict

import glob
import os
from IPython.display import Image as IPyImage, display

# Get the latest prediction folder for detection in Kaggle
latest_folder = max(glob.glob('/kaggle/working/runs/detect/predict*/'), key=os.path.getmtime)

# Display images from the prediction folder
for img in glob.glob(f'{latest_folder}/*.jpg')[15:18]:
    display(IPyImage(filename=img, width=300))