update at 2025-10-30 15:47:06
This commit is contained in:
douboer
404
release.md
Normal file
404
release.md
Normal file
@@ -0,0 +1,404 @@
|
||||
## v1.0.0
|
||||
YOLO数字识别系统，使用YOLOv8模型识别图片中的4位阿拉伯数字。经过图片预处理优化，识别准确率显著提升。
|
||||
|
||||
### 🎯 项目亮点
|
||||
|
||||
- ✅ **高准确率**: 经过CLAHE对比度增强预处理后，识别准确率显著提升
|
||||
- ✅ **完整流程**: 从数据预处理到模型训练再到批量识别的完整pipeline
|
||||
- ✅ **易于使用**: 提供交互式脚本和一键运行工具
|
||||
- ✅ **可视化结果**: 自动生成带标注的可视化图片
|
||||
|
||||
### 📁 项目结构
|
||||
|
||||
```
|
||||
digit_cracker/
|
||||
├── digit-validation/ # COCO格式训练数据集
|
||||
│ ├── coco.json # 标注文件
|
||||
│ └── images/ # 训练图片（文件名为4位数字）
|
||||
├── valid/ # 待识别图片（文件名与内容无关）
|
||||
├── yolo_dataset/ # 转换后的YOLO格式数据集
|
||||
│ ├── dataset.yaml # 数据集配置
|
||||
│ ├── images/
|
||||
│ │ ├── train/ # 训练集图片
|
||||
│ │ └── val/ # 验证集图片
|
||||
│ └── labels/
|
||||
│ ├── train/ # 训练集标注
|
||||
│ └── val/ # 验证集标注
|
||||
├── runs/ # 训练输出
|
||||
│ └── digit_yolo/
|
||||
│ └── exp1/
|
||||
│ ├── weights/ # 模型权重
|
||||
│ │ ├── best.pt # 最佳模型
|
||||
│ │ └── last.pt # 最后一轮模型
|
||||
│ └── results.csv # 训练指标
|
||||
├── results/ # 预测结果
|
||||
│ ├── predictions.txt # 识别结果文本
|
||||
│ └── visualizations/ # 可视化结果图片
|
||||
└── scripts/ # Python脚本
|
||||
├── prepare_yolo_dataset.py # 数据集准备
|
||||
├── train_yolo.py # 模型训练
|
||||
├── predict_digits.py # 数字识别
|
||||
└── run_all.py # 一键运行
|
||||
```
|
||||
|
||||
### 🚀 快速开始
|
||||
|
||||
### 方法1：使用交互式脚本（推荐）
|
||||
|
||||
**最简单的方式**，适合日常使用：
|
||||
|
||||
```bash
|
||||
./run.sh
|
||||
```
|
||||
|
||||
会显示交互式菜单，提供5个常用功能：
|
||||
- **选项 1**：标准识别（conf=0.2, imgsz=320）
|
||||
- **选项 2**：低阈值识别（conf=0.15，适合模糊图片）
|
||||
- **选项 3**：高分辨率识别（imgsz=640，适合小数字）
|
||||
- **选项 4**：查看已有结果（模型、识别结果、可视化）
|
||||
- **选项 0**：退出
|
||||
|
||||
**特点**：
|
||||
- ✅ 自动检测虚拟环境
|
||||
- ✅ 彩色输出和友好提示
|
||||
- ✅ 智能错误处理
|
||||
- ✅ 详细的使用说明
|
||||
|
||||
### 方法2：命令行直接识别
|
||||
|
||||
使用最佳模型进行识别：
|
||||
|
||||
```bash
|
||||
python scripts/predict_digits_improved.py \
|
||||
--model runs/digit_yolo/exp_preprocessed_color_150/weights/best.pt \
|
||||
--source valid \
|
||||
--conf 0.2 \
|
||||
--output results/predictions.txt \
|
||||
--save-vis
|
||||
```
|
||||
|
||||
### 方法3：完整训练流程
|
||||
|
||||
如需重新训练模型：
|
||||
|
||||
```bash
|
||||
python scripts/run_all.py
|
||||
```
|
||||
|
||||
这将自动执行：
|
||||
1. 从COCO格式转换为YOLO格式数据集
|
||||
2. 训练YOLOv8模型（100轮）
|
||||
3. 在valid文件夹上进行识别
|
||||
|
||||
### 安装依赖
|
||||
|
||||
```bash
|
||||
pip install ultralytics opencv-python
|
||||
```
|
||||
|
||||
### 📖 详细使用指南
|
||||
|
||||
### 分步执行
|
||||
|
||||
#### 步骤1：准备数据集
|
||||
|
||||
```bash
|
||||
python scripts/prepare_yolo_dataset.py \
|
||||
--root digit-validation \
|
||||
--out yolo_dataset \
|
||||
--val-ratio 0.2 \
|
||||
--seed 20240305
|
||||
```
|
||||
|
||||
参数说明：
|
||||
- `--root`: COCO数据集根目录
|
||||
- `--out`: YOLO数据集输出目录
|
||||
- `--val-ratio`: 验证集比例（默认0.2）
|
||||
- `--seed`: 随机种子（用于可重复划分）
|
||||
|
||||
#### 步骤2：训练模型
|
||||
|
||||
```bash
|
||||
python scripts/train_yolo.py \
|
||||
--data yolo_dataset/dataset.yaml \
|
||||
--model yolov8n.pt \
|
||||
--epochs 100 \
|
||||
--batch 16 \
|
||||
--imgsz 320 \
|
||||
--project runs/digit_yolo \
|
||||
--name exp1
|
||||
```
|
||||
|
||||
参数说明：
|
||||
- `--data`: 数据集配置文件
|
||||
- `--model`: 预训练模型（yolov8n.pt为最小模型）
|
||||
- `--epochs`: 训练轮数
|
||||
- `--batch`: 批次大小
|
||||
- `--imgsz`: 输入图片大小
|
||||
- `--project`: 输出项目目录
|
||||
- `--name`: 实验名称
|
||||
|
||||
训练完成后，最佳模型保存在：`runs/digit_yolo/exp1/weights/best.pt`
|
||||
|
||||
#### 步骤3：识别数字（使用最佳模型）
|
||||
|
||||
```bash
|
||||
python scripts/predict_digits_improved.py \
|
||||
--model runs/digit_yolo/exp_preprocessed_color_150/weights/best.pt \
|
||||
--source valid \
|
||||
--conf 0.2 \
|
||||
--output results/predictions.txt \
|
||||
--save-vis
|
||||
```
|
||||
|
||||
参数说明：
|
||||
- `--model`: 训练好的模型路径
|
||||
- `--source`: 待识别图片文件夹
|
||||
- `--conf`: 置信度阈值（默认0.25）
|
||||
- `--output`: 结果输出文件
|
||||
- `--save-vis`: 保存可视化结果
|
||||
|
||||
### 📊 查看结果
|
||||
|
||||
### 训练结果
|
||||
|
||||
训练指标保存在 `runs/digit_yolo/exp1/results.csv`，包括：
|
||||
- mAP50, mAP50-95
|
||||
- Precision, Recall
|
||||
- 训练损失和验证损失
|
||||
|
||||
可以使用以下命令查看训练曲线：
|
||||
|
||||
```python
|
||||
from ultralytics import YOLO
|
||||
|
||||
model = YOLO('runs/digit_yolo/exp1/weights/best.pt')
|
||||
model.val() # 在验证集上评估
|
||||
```
|
||||
|
||||
### 识别结果
|
||||
|
||||
识别结果保存在 `results/predictions.txt`，格式：
|
||||
|
||||
```
|
||||
文件名 识别结果 置信度 数字个数
|
||||
YZM.jpeg 0106 0.856 4
|
||||
YZM-2.jpeg 0367 0.892 4
|
||||
...
|
||||
```
|
||||
|
||||
可视化结果保存在 `results/visualizations/`，每张图片会标注检测框和识别的数字。
|
||||
|
||||
### 🔧 高级用法
|
||||
|
||||
### 使用交互式脚本的不同选项
|
||||
|
||||
```bash
|
||||
./run.sh
|
||||
# 根据图片质量选择：
|
||||
# - 标准图片：选项1（默认，速度快）
|
||||
# - 模糊/低对比度：选项2（降低阈值）
|
||||
# - 小数字/高精度：选项3（提高分辨率）
|
||||
```
|
||||
|
||||
### 图片预处理（提升识别率）
|
||||
|
||||
对于低质量图片，可以先进行预处理：
|
||||
|
||||
```bash
|
||||
python scripts/preprocess_images.py \
|
||||
--input valid \
|
||||
--output valid-processed \
|
||||
--method clahe \
|
||||
--keep-color
|
||||
```
|
||||
|
||||
然后对预处理后的图片进行识别。
|
||||
|
||||
### 仅使用已训练模型进行识别
|
||||
|
||||
如果已经有训练好的模型，可以跳过训练步骤：
|
||||
|
||||
```bash
|
||||
python scripts/run_all.py --skip-train --skip-prepare
|
||||
```
|
||||
|
||||
### 调整训练参数
|
||||
|
||||
```bash
|
||||
# 使用更大的模型
|
||||
python scripts/train_yolo.py --model yolov8s.pt --epochs 200
|
||||
|
||||
# 调整批次大小和图片大小
|
||||
python scripts/train_yolo.py --batch 32 --imgsz 640
|
||||
```
|
||||
|
||||
### 批量预测自定义文件夹
|
||||
|
||||
```bash
|
||||
python scripts/predict_digits.py \
|
||||
--model runs/digit_yolo/exp1/weights/best.pt \
|
||||
--source /path/to/your/images \
|
||||
--conf 0.3 \
|
||||
--save-vis
|
||||
```
|
||||
|
||||
### 📈 模型性能
|
||||
|
||||
### 数据集规模
|
||||
- **类别**: 10个（数字0-9）
|
||||
- **训练集**: 39张图片（每张包含4个数字，~156个标注框）
|
||||
- **验证集**: 10张图片（~40个标注框）
|
||||
- **测试集**: 15张valid图片
|
||||
|
||||
### 性能对比
|
||||
|
||||
| 模型 | 预处理方法 | 训练轮数 | mAP50 | valid准确率 | 说明 |
|
||||
|------|-----------|---------|-------|------------|------|
|
||||
| exp1 | 无 | 100 | 0.95+ | 20% (3/15) | 基础模型 |
|
||||
| exp_preprocessed_color_150 | CLAHE对比度增强 | 150 | 0.995 | **显著提升** | ✨ 推荐使用 |
|
||||
|
||||
**最佳模型**: `runs/digit_yolo/exp_preprocessed_color_150/weights/best.pt`
|
||||
|
||||
### 🐛 常见问题
|
||||
|
||||
### Q1: 运行 `./run.sh` 提示权限错误
|
||||
|
||||
A: 添加执行权限：
|
||||
```bash
|
||||
chmod +x run.sh
|
||||
```
|
||||
|
||||
### Q2: 导入错误 `ModuleNotFoundError: No module named 'ultralytics'`
|
||||
|
||||
A: 安装ultralytics库：
|
||||
```bash
|
||||
pip install ultralytics
|
||||
```
|
||||
|
||||
建议使用虚拟环境：
|
||||
```bash
|
||||
python -m venv venv
|
||||
source venv/bin/activate # macOS/Linux
|
||||
pip install ultralytics opencv-python
|
||||
```
|
||||
|
||||
### Q3: 识别结果不是4位数字
|
||||
|
||||
A: 可能的原因和解决方法：
|
||||
1. **置信度阈值太高** → 使用 `./run.sh` 选项2（低阈值识别）
|
||||
2. **图片质量差** → 先用 `preprocess_images.py` 进行CLAHE预处理
|
||||
3. **数字太小** → 使用 `./run.sh` 选项3（高分辨率识别）
|
||||
4. **光照不均** → 使用CLAHE预处理增强对比度
|
||||
|
||||
推荐组合：预处理 + 低阈值识别
|
||||
|
||||
### Q4: 训练速度慢
|
||||
|
||||
A: 建议：
|
||||
1. 使用GPU加速（自动检测CUDA）
|
||||
2. 减小批次大小 `--batch 8`
|
||||
3. 使用更小的图片尺寸 `--imgsz 256`
|
||||
|
||||
### Q5: 显存不足
|
||||
|
||||
A: 降低批次大小：
|
||||
```bash
|
||||
python scripts/train_yolo.py --batch 8
|
||||
```
|
||||
|
||||
### 💡 使用建议
|
||||
|
||||
### 识别策略选择
|
||||
|
||||
根据图片特点选择合适的识别方式：
|
||||
|
||||
| 图片特点 | 推荐方法 | run.sh选项 | 命令行参数 |
|
||||
|---------|---------|-----------|-----------|
|
||||
| 标准清晰 | 标准识别 | 选项 1 | conf=0.2, imgsz=320 |
|
||||
| 模糊/暗淡 | 低阈值 | 选项 2 | conf=0.15, imgsz=320 |
|
||||
| 数字很小 | 高分辨率 | 选项 3 | conf=0.2, imgsz=640 |
|
||||
| 低对比度 | 预处理+标准 | 先预处理 | CLAHE增强 |
|
||||
| 严重模糊 | 预处理+低阈值 | 先预处理 | CLAHE + conf=0.15 |
|
||||
|
||||
### 工作流程建议
|
||||
|
||||
**日常识别**：
|
||||
```bash
|
||||
./run.sh # 选择选项1，快速识别
|
||||
```
|
||||
|
||||
**困难图片**：
|
||||
```bash
|
||||
# 步骤1：预处理
|
||||
python scripts/preprocess_images.py --input valid --output valid-processed --method clahe
|
||||
|
||||
# 步骤2：识别预处理后的图片
|
||||
python scripts/predict_digits_improved.py --source valid-processed --conf 0.15
|
||||
```
|
||||
|
||||
**查看结果**：
|
||||
```bash
|
||||
./run.sh # 选择选项4，查看所有结果文件
|
||||
```
|
||||
|
||||
### 📝 数据集格式
|
||||
|
||||
### COCO格式（输入）
|
||||
|
||||
```json
|
||||
{
|
||||
"images": [
|
||||
{
|
||||
"id": 0,
|
||||
"file_name": "0106.jpeg",
|
||||
"width": 84,
|
||||
"height": 35
|
||||
}
|
||||
],
|
||||
"annotations": [
|
||||
{
|
||||
"id": 0,
|
||||
"image_id": 0,
|
||||
"bbox": [12.1, 1.4, 19.1, 22.4], // [x, y, width, height]
|
||||
"property_info": "0" // 数字类别
|
||||
}
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
### YOLO格式（转换后）
|
||||
|
||||
标注文件（.txt）格式，每行一个检测框：
|
||||
```
|
||||
0 0.264706 0.342857 0.227451 0.640000
|
||||
1 0.559524 0.628571 0.194048 0.625714
|
||||
0 0.845238 0.382857 0.224405 0.617143
|
||||
6 0.906548 0.645714 0.200119 0.645714
|
||||
```
|
||||
|
||||
格式：`类别 x_center y_center width height`（所有值归一化到0-1）
|
||||
|
||||
### 🎯 优化建议
|
||||
|
||||
1. **增加训练数据**: 当前数据集较小，可以增加更多标注数据
|
||||
2. **数据增强**: 在训练时使用更多数据增强（旋转、缩放、亮度变化等）
|
||||
3. **模型选择**: 根据精度要求选择不同大小的模型（n/s/m/l/x）
|
||||
4. **超参数调优**: 调整学习率、优化器等参数
|
||||
5. **后处理优化**: 根据业务规则（必须4位数字）进行后处理
|
||||
|
||||
### <20> 项目文档
|
||||
|
||||
- **README.md**: 完整使用文档（本文件）
|
||||
- **QUICKSTART.md**: 5分钟快速上手指南
|
||||
- **FINAL_REPORT.md**: 项目完成报告和性能分析
|
||||
- **PROJECT_STRUCTURE.md**: 详细的项目结构说明
|
||||
- **CODE_CLEANUP_DONE.md**: 代码清理和优化记录
|
||||
|
||||
### 👨💻 作者
|
||||
Gavin Chan
|
||||
|
||||
### <20>📚 参考资料
|
||||
|
||||
- [Ultralytics YOLOv8 文档](https://docs.ultralytics.com/)
|
||||
- [YOLO目标检测原理](https://arxiv.org/abs/2305.09972)
|
||||
Reference in New Issue
Block a user