yolo模型学习

指令：

训练指令：

yolo detect train data=H:\xxc\yolo\yolo_dataset\yolo_dataset\data.yaml model=yolov8n.pt epochs=100 imgsz=640

测试指令：

yolo detect predict model=H:\xxc\yolo\ultralytics\runs\detect\train-11\weights\best.pt source=H:\xxc\yolo\pig\images\train\00000000.png save=True

模型导出：Yolo自带的工具可以生成tflite文件

yolo export model=F:\xxc\yolo\ultralytics\runs\detect\runs\pigpose_ablation\YOLOv8s\weights\best.pt format=tflite imgsz=320

YOLOv8 是一种单阶段目标检测算法，由 Backbone、Neck 和 Head 三部分组成。Backbone 负责提取图像特征，Neck 用于融合多尺度特征，Head 输出目标类别和边界框信息。YOLOv8 使用 C2f 模块增强梯度流动能力，并采用解耦检测头分别进行分类和回归预测

现有的yolov8论文比较多。

Yolo的模型配置文件：

D:\桌面\yolo\yolo_original\ultralytics\ultralytics\cfg\models\v8

模块定义：

D:\桌面\yolo\yolo_original\ultralytics\ultralytics\nn\modules

脚本：

D:\桌面\yolo\yolo_original\ultralytics\ultralytics\models\yolo\detect

已经写好的数据集和配置文件：

D:\桌面\yolo\yolo_original\ultralytics\ultralytics\cfg\datasets

默认参数：

D:\桌面\yolo\yolo_original\ultralytics\ultralytics\cfg\default.yaml

Yolo自带的工具可以生成tflite文件

yolo export model=F:\xxc\yolo\ultralytics\runs\detect\runs\pigpose_ablation\YOLOv8s\weights\best.pt format=tflite imgsz=320

猪姿态检测的一些数据集：

Automatic Monitoring of Pigs - Dataset Ninjahttps://datasetninja.com/automatic-monitoring-pigs#download可以转化成yolo格式，里面有

0: standing pig

1: sternal lying pig

2: lateral lying pig三种标签

534张训练集图片，133张验证集图片

Multi-view Pig Posture Recognition | Kagglehttps://www.kaggle.com/competitions/multi-view-pig-posture-recognition/data

Class Definitions:

0 — Lateral_lying_left

1 — Lateral_lying_right

2 — Sitting

3 — Standing

4 — Sternal_lying

测试集没有标签

anilbhujel/viewpoint-aware-pig-posture-recognition · Datasets at Hugging Facehttps://huggingface.co/datasets/anilbhujel/viewpoint-aware-pig-posture-recognition#dataset-statistics

没有验证集

anilbhujel/Gilt_posture_dataset · Datasets at Hugging Facehttps://huggingface.co/datasets/anilbhujel/Gilt_posture_dataset

3015张。数据集还按 0.75 : 0.15 : 0.1 划分为训练集、验证集和测试集。

姿态分布不平均

SowPostureDS数据集地址https://opendata.uni-kiel.de/receive/fdr_mods_00000316SowPostureDS: A Multi-Class Image Dataset for YOLO-Based Detection of Sow Postures in diverse Farrowing Systems | Scientific Datahttps://www.nature.com/articles/s41597-026-07788-x?utm_source=chatgpt.com#Sec6

共14,400 张图片，分三个真实养殖环境，每个环境 4,800 张；四个类别每个环境各 1,200 张，因此整体四类是完全均衡的。

论文实验采用了7:2:1 = 10080 / 2880 / 1440的 train/val/test 划分，但官方 ZIP 的描述是 images/ + labels/ 两个总文件夹

一只猪

Item - Automated recognition of postures and drinking behaviour for the detection of compromised health in pigs - Newcastle University - Figsharehttps://data.ncl.ac.uk/articles/dataset/Automated_recognition_of_postures_and_drinking_behaviour_for_the_detection_of_compromised_health_in_pigs/13042619

Automated recognition of postures and drinking behaviour for the detection of compromised health in pigs | Scientific Reportshttps://www.nature.com/articles/s41598-020-70688-6?utm_source=chatgpt.com数据量非常大。论文页面显示：

• Standing：105,132 个实例，覆盖 54,320 张图像；
• Lateral Lying：417,134 个实例，覆盖 105,199 张图像；
• Sternal lying：166,085 个实例，覆盖 81,495 张图像；
• 还有 Sitting 和 Drinking。

数据集太大

Suckling > Browsehttps://universe.roboflow.com/pig-farming/suckling/browse?queryText=&pageSize=50&startingIndex=150&browseQuery=truejast-25-e00395.pdfhttps://www.ejast.org/journal/jast/ahead/pdf/jast-25-e00395.pdf9,487 张，同样是这 8 个类别，数量和类别完全对应。

文章对训练测试进行划分

主要检测对象是一头母猪，画面中可以有多只仔猪。

GitHub - popxoq/pig-behavior-detection-dataset: 猪日常饲养行为数据集 · GitHubhttps://github.com/popxoq/pig-behavior-detection-dataset

图片有点少

GitHub - laoli518/-100k-OPB-Dataset-: This repository contains the **100K-OPB Dataset** used in "ORACLE: Knowledge-Efficient Pig Behaviour Recognition via Ontology-Guided Contrastive Learning". · GitHubhttps://github.com/laoli518/-100k-OPB-Dataset-76,431个训练样本、16,157个测试样本和12,199个来自全拆分LiR2024源的样本。

该数据集涵盖猪的常见行为和姿势/活动状态，包括躺卧、站立、行走、吃喝、打斗、不打斗、调查、睡觉、坐着、骑乘、鼻对鼻互动、侧卧、胸侧躺、喂食/饮水相关状态以及喂食/饮水姿势组合。

数据集偏大