Addestra YOLO-NAS su set di dati personalizzati.

L'architettura YOLO-NAS è uscita! Il nuovo YOLO-NAS offre prestazioni all'avanguardia con prestazioni di precisione e velocità senza pari, superando altri modelli come YOLOv5, YOLOv6, YOLOv7 e YOLOv8.

Capiremo come addestrare YOLO-NAS su set di dati personalizzati. Userò il set di dati Roboflow.

Collegamento al set di dati —https://universe.roboflow.com/object-detect-dmjpt/waste-9cbfm

Useremo google colab per addestrare il nostro set di dati

Taccuino iniziale YOLO-NAS —https://colab.research.google.com/drive/1q0RmeVRzLwRXW-h9dPFSOchwJkThUy6d?pli=1&authuser=4

Passaggio 1. L'installazione della libreria richiesta potrebbe richiedere alcuni minuti.

Passaggio 2.Riavviare Runtime prima di andare avanti Passaggio importante

Passaggio 3. Scarica I pesi pre-addestrati - yolo_nas_s o dipendono dalle tue esigenze.

Esegui la cella di codice successiva ricordati di menzionare il modello corretto = yolo_nas_s nel mio caso.

Esegui questa cella sopra.

Passaggio 4. Ottimizzazione fine di YOLO-NAS su set di dati personalizzato

Verificare che la directory sia stata creata

Passaggio 5. Prendiamo il set di dati da roboflow Ho già menzionato il collegamento al set di dati in alto.

Esegui questo codice cella sopra per importare i moduli richiesti forniti da SuperGradients DataLoaders.

Passaggio più importante durante il caricamento del set di dati per l'addestramento.

Modificare la dimensione del batch, se necessario, l'ho cambiata 4.

Ora ispeziona set di dati La parte migliore dei supergradienti ha aggiunto trasformazioni

Esegui tutto questo sotto le celle di codice mostrate.

Passaggio 6. Come ho già detto, sto usando il modello yolo_nas_s per questa formazione.

Definizione delle metriche e dei parametri di addestramento

Integrazioni con strumenti di monitoraggio degli esperimenti. SuperGradients ha integrazioni native con Tensorboard, Weights and Biases, ClearML e DagsHub.

Passaggio 7. Iniziamo l'allenamento.

Risultato della formazione sembriamo così ci vorrà del tempo per visualizzare l'output.

Finalmente l'allenamento è finito. Otterrai i tuoi pesi migliori e ultimi nella cartella del punto di controllo.

Passaggio 8. Valutazione del modello con il miglior training sul set di test.

Passaggio 9. Eseguire il rilevamento utilizzando il modello migliore.

A. PER LE IMMAGINI.

Esegui questa cella di codice sotto usa qualsiasi immagine fornisci il percorso corretto e visualizza il risultato previsto

B. PER I VIDEO.

L'output verrà archiviato nella cartella dei contenuti in formato .mp4.

Grazie

Ho realizzato video tutorial anche su questo argomento Puoi verificarlo sul mio canale YouTube.

Il mio profilo LinkedIn —https://www.linkedin.com/in/joelnadar123

La mia pagina Twitter—https://twitter.com/mrtweeter333?t=IrA-LZW5ZMcPL4DL_GZigw&s=09

Non esitate a contattarmi se avete bisogno di ulteriori informazioni .