186 lines
5.0 KiB
Markdown
186 lines
5.0 KiB
Markdown
# 快速开始 - YOLO数字识别
|
||
|
||
## ✅ 已完成的工作
|
||
|
||
1. ✅ 数据集准备（COCO → YOLO格式）
|
||
2. ✅ 模型训练（基础版100轮 + 优化版150轮）
|
||
3. ✅ Valid文件夹识别
|
||
4. ✅ 创建多个识别脚本（基础版+改进版）
|
||
5. ✅ 图片预处理系统（CLAHE对比度增强）
|
||
6. ✅ **优化模型训练完成**（exp_preprocessed_color_150，效果显著提升）
|
||
|
||
## 🎯 识别结果摘要
|
||
|
||
**使用优化后的模型**（CLAHE预处理 + 150轮训练）:
|
||
- **模型**: `exp_preprocessed_color_150/weights/best.pt`
|
||
- **训练集性能**: mAP50 = 0.995（接近完美）
|
||
- **推荐配置**: 使用CLAHE对比度增强预处理
|
||
- **结果文件**: `results/predictions.txt`
|
||
- **可视化**: `results/visualizations/`
|
||
|
||
## 🚀 快速使用
|
||
|
||
### 方法1: 使用最佳模型识别（推荐）⭐
|
||
|
||
```bash
|
||
source ~/venv/bin/activate
|
||
cd /Users/gavin/lab/digit_cracker
|
||
|
||
# 使用优化后的模型进行识别
|
||
python scripts/predict_digits_improved.py \
|
||
--model runs/digit_yolo/exp_preprocessed_color_150/weights/best.pt \
|
||
--source valid \
|
||
--conf 0.2 \
|
||
--save-vis
|
||
```
|
||
|
||
### 方法2: 使用快捷脚本
|
||
|
||
```bash
|
||
source ~/venv/bin/activate
|
||
cd /Users/gavin/lab/digit_cracker
|
||
./run.sh
|
||
```
|
||
|
||
然后选择相应的操作即可。
|
||
|
||
### 方法3: 识别自定义文件夹
|
||
|
||
```bash
|
||
python scripts/predict_digits_improved.py \
|
||
--model runs/digit_yolo/exp_preprocessed_color_150/weights/best.pt \
|
||
--source /path/to/your/images \
|
||
--save-vis
|
||
```
|
||
|
||
## 📊 查看结果
|
||
|
||
```bash
|
||
# 查看识别结果
|
||
cat results/predictions_improved.txt
|
||
|
||
# 查看可视化（macOS）
|
||
open results/visualizations_improved/
|
||
|
||
# 查看训练指标
|
||
cat runs/digit_yolo/exp1/results.csv
|
||
```
|
||
|
||
## 🔧 优化选项
|
||
|
||
### 调整识别参数
|
||
|
||
```bash
|
||
# 降低置信度阈值（检测更多数字）
|
||
python scripts/predict_digits_improved.py --conf 0.15
|
||
|
||
# 增加图片尺寸（提高精度）
|
||
python scripts/predict_digits_improved.py --imgsz 640
|
||
|
||
# 组合使用
|
||
python scripts/predict_digits_improved.py --conf 0.15 --imgsz 640
|
||
```
|
||
|
||
### 重新训练模型
|
||
|
||
```bash
|
||
# 训练更多轮数
|
||
python scripts/train_yolo.py --epochs 200 --name exp2
|
||
|
||
# 使用更大模型
|
||
python scripts/train_yolo.py --model yolov8s.pt --epochs 200 --name exp3
|
||
|
||
# 使用新模型识别
|
||
python scripts/predict_digits_improved.py \
|
||
--model runs/digit_yolo/exp2/weights/best.pt \
|
||
--source valid
|
||
```
|
||
|
||
## 📁 项目文件说明
|
||
|
||
```
|
||
digit_cracker/
|
||
├── README.md # 完整文档
|
||
├── RESULTS_SUMMARY.md # 结果总结
|
||
├── QUICKSTART.md # 本文件
|
||
├── run.sh # 快捷运行脚本
|
||
│
|
||
├── scripts/ # Python脚本
|
||
│ ├── prepare_yolo_dataset.py # 数据准备
|
||
│ ├── train_yolo.py # 模型训练
|
||
│ ├── predict_digits.py # 基础识别
|
||
│ ├── predict_digits_improved.py # 改进版识别 ⭐
|
||
│ └── run_all.py # 一键运行
|
||
│
|
||
├── valid/ # 待识别图片（15张）
|
||
├── digit-validation/ # 训练数据集（COCO格式）
|
||
├── yolo_dataset/ # YOLO格式数据集
|
||
│
|
||
├── runs/digit_yolo/exp1/ # 训练输出
|
||
│ └── weights/best.pt # 已训练好的模型 ⭐
|
||
│
|
||
└── results/ # 识别结果
|
||
├── predictions_improved.txt # 识别结果 ⭐
|
||
└── visualizations_improved/ # 可视化结果 ⭐
|
||
```
|
||
|
||
## 💡 常见问题
|
||
|
||
**Q: 为什么识别率只有20%？**
|
||
|
||
A: 主要原因：
|
||
1. 训练数据量较小（约39张训练图片）
|
||
2. valid图片与训练数据风格可能不同
|
||
3. 使用的是最小模型yolov8n
|
||
|
||
**Q: 如何提高识别率？**
|
||
|
||
A: 建议：
|
||
1. 训练更多轮数：`--epochs 200`
|
||
2. 使用更大模型：`--model yolov8s.pt`
|
||
3. 调整识别阈值：`--conf 0.15`
|
||
4. 增加训练数据（需要标注更多图片）
|
||
|
||
**Q: 如何识别其他文件夹的图片？**
|
||
|
||
A: 修改 `--source` 参数：
|
||
```bash
|
||
python scripts/predict_digits_improved.py \
|
||
--source /path/to/your/folder
|
||
```
|
||
|
||
**Q: 识别结果保存在哪里？**
|
||
|
||
A:
|
||
- 文本结果：`results/predictions_improved.txt`
|
||
- 可视化图片：`results/visualizations_improved/`
|
||
|
||
## 📞 获取帮助
|
||
|
||
```bash
|
||
# 查看完整文档
|
||
cat README.md
|
||
|
||
# 查看详细结果分析
|
||
cat RESULTS_SUMMARY.md
|
||
|
||
# 查看脚本帮助
|
||
python scripts/predict_digits_improved.py --help
|
||
python scripts/train_yolo.py --help
|
||
```
|
||
|
||
## 🎓 下一步
|
||
|
||
1. **尝试不同参数**：调整conf、imgsz等参数
|
||
2. **重新训练**：使用更多轮数或更大模型
|
||
3. **分析失败案例**：查看可视化结果，了解哪些图片识别失败
|
||
4. **数据增强**：如果有标注能力，可以标注更多数据
|
||
|
||
---
|
||
|
||
**项目位置**: `/Users/gavin/lab/digit_cracker`
|
||
**虚拟环境**: `~/venv/bin/activate`
|
||
**当前状态**: ✅ 可直接使用
|
||
|
||
更多信息请查看 `README.md` 和 `RESULTS_SUMMARY.md`
|