往期文章列表:
- 【YOLO深度学习系列】图像分类、物体检测、实例分割、物体追踪、姿态估计、定向边框检测演示系统【含源码】
- 【深度学习】YOLOV8数据标注及模型训练方法整体流程介绍及演示
- 【深度学习】行人跌倒行为检测软件系统
- 【深度学习】火灾检测软件系统
- 【深度学习】吸烟行为检测软件系统 原文(附源码下载方式)
摘要:本文主要使用YOLOV8深度学习框架自训练了一个“吸烟检测模型”,基于此模型使用PYQT5实现了一款界面软件用于功能演示。让您可以更好的了解和学习,该软件支持图片、视频以及摄像头进行吸烟目标检测,本系统所涉及的训练数据及软件源码已打包上传,需要的朋友文章末尾结束语获取下载链接,免费,无套路!!
前言
吸烟检测算法可能应用场景如下:
- 公共场所监控:机场、火车站、地铁、商场、酒店
- 企业和办公室:公司办公楼、工厂、仓库
- 教育机构:学校和大学
- 交通工具:公共交通工具、飞机和船舶
- 医疗机构:医院和诊所
- 住宅区和物业管理:公寓和居民楼
- 智慧城市和智慧社区:智能监控系统
- 娱乐场所:电影院、剧院、体育馆
通过应用深度学习训练的吸烟检测模型,能够自动、准确地识别吸烟行为,从而有效地监控和管理吸烟问题,提升公共健康安全水平和环境质量。
软件功能演示
吸烟行为检测
图片检测演示
点击图片图标,选择需要检测的图片,即可得到检测结果。
视频检测演示
点击视频图标,选择需要检测的视频,即可得到检测结果。
摄像头功能
系统还提供了摄像头实时监测功能,可以自己打开电脑摄像头点上一支。。。。
模型训练
关于YOLOV8的数据标注及模型训练更详细的内容,可关注我的另一篇专门记录这部分的文章。
3.1 数据集准备及标注
3.2 训练方法
可参考:【深度学习】YOLOV8数据标注及模型训练方法整体流程介绍及演示
训练结果评估
关于该系统涉及到的完整源码、UI界面代码、数据集、训练代码、测试图片视频等相关文件,均已打包上传,感兴趣的小伙伴可以通过下载链接自行获取。
通常用损失函数下降的曲线来观察模型训练的情况,yolov8训练时主要包含三个方面的损失:定位损失、分类损失和动态特征损失,训练结束后,在runs/目录下找到训练过程及结果文件:
- 定位损失box_loss:预测框与标定框之间的误差GloU,越小定位越准确
- 分类损失cls_loss:计算锚框与对应标定分类是否正确,越小分类越准确
- 动态特征损失dfl_loss:一种用于回归预测框与目标框之间距离的损失函数,通过计算动态特征损失,可以更准确地调整预测框的位置,提高目标检测的准确性。
本文训练结果如下:
PR曲线体现精确率和召回率的关系,mAP表示Precision和Recall作为两轴作图后围成的面积,m表示平均,@后面的数表示iou为正负样本的阈值,mAP@0.5表示阈值大于0.5的平均mAP,可以看到本文模型1类目标检测的mAP@0.5平均值为0.563。
检测结果识别
模型训练完成后,可以得到一个最佳的训练结果模型best.pt文件,在runs/train/weights/bset.pt,可以使用该文件进行推理检测:
结束语
由于本人能力有限,难免有疏漏之处。
文中源码文件【获取方式】:关注公众号:利哥AI实例探险
给公众号发送 “吸烟行为检测软件” 获取下载方式,免费,无套路,关注即可!
给公众号发送 “吸烟行为检测数据集” 获取数据集下载方式。
- 【深度学习】吸烟行为检测软件系统 原文(附源码下载方式)