基於深度學習的水果識別系統（網頁版+YOLOv8/v7/v6/v5程式碼+訓練資料集）

逗逗班学Python發表於2024-04-04

摘要：本文深入研究了基於YOLOv8/v7/v6/v5的水果識別系統，核心採用YOLOv8並整合了YOLOv7、YOLOv6、YOLOv5演算法，進行效能指標對比；詳述了國內外研究現狀、資料集處理、演算法原理、模型構建與訓練程式碼，及基於Streamlit的互動式Web應用介面設計。在Web網頁中可以支援影像、影片和實時攝像頭進行水果識別，可上傳不同訓練模型（YOLOv8/v7/v6/v5）進行推理預測，介面可方便修改。本文附帶了完整的網頁設計、深度學習模型程式碼和訓練資料集的下載連結。

1. 網頁功能與效果
2. 緒論
- 2.1 研究背景及意義
- 2.2 國內外研究現狀
- 2.3 要解決的問題及其方案
  - 2.3.1 要解決的問題
  - 2.3.2 解決方案
- 2.4 博文貢獻與組織結構
3. 資料集處理
4. 原理與程式碼介紹
- 4.1 YOLOv8演算法原理
- 4.2 模型構建
- 4.3 訓練程式碼
5. 實驗結果與分析
- 5.1 訓練曲線
- 5.2 F1曲線圖
- 5.3 YOLOv8/v7/v6/v5對比實驗
6. 系統設計與實現
- 6.1 系統架構概覽
- 6.2 系統流程
程式碼下載連結
7. 結論與未來工作

➷點選跳轉至文末所有涉及的完整程式碼檔案下載頁☇

完整資源中包含資料集及訓練程式碼，環境配置與介面中文字、圖片、logo等的修改方法請見影片，專案完整檔案下載請見演示與介紹影片的簡介處給出：➷➷➷
演示與介紹影片 https://www.bilibili.com/video/BV1oZ421q75v/
YOLOv8/v7/v6/v5專案合集下載：https://mbd.pub/o/bread/mbd-ZZ2Xm5xt
YOLOv8和v5專案完整資源下載：https://mbd.pub/o/bread/mbd-ZZ2XmZls
YOLOv7專案完整資源下載：https://mbd.pub/o/bread/mbd-ZZ2XmpZs
YOLOv6專案完整資源下載：https://mbd.pub/o/bread/mbd-ZZ2Xmp9x

若您想獲得博文中涉及的實現完整全部資原始檔（包括測試圖片、影片，py, UI檔案，訓練資料集、訓練程式碼、介面程式碼等），這裡已打包上傳至博主的麵包多平臺，見可參考部落格與影片，已將所有涉及的檔案同時打包到裡面，點選即可執行，完整檔案截圖如下：

基於深度學習的水果識別系統（網頁版+YOLOv8/v7/v6/v5程式碼+訓練資料集）

1. 網頁功能與效果

（1）開啟攝像頭實時檢測：本系統允許使用者透過網頁直接開啟攝像頭，實現對實時影片流中水果的檢測。系統將自動識別並分析畫面中的水果，並將檢測結果實時顯示在使用者介面上，為使用者提供即時的反饋。

（2）選擇圖片檢測：使用者可以上傳本地的圖片檔案到系統中進行水果識別。系統會分析上傳的圖片，識別出圖片中的水果，並在介面上展示帶有水果標籤和置信度的檢測結果，讓使用者能夠清晰地瞭解到每個水果狀態。

（3）選擇影片檔案檢測：系統支援使用者上傳影片檔案進行水果識別。上傳的影片將被系統逐幀分析，以識別和標記影片中每一幀的水果。使用者可以觀看帶有水果識別標記的影片，瞭解影片中水果的變化。

（4）選擇不同訓練好的模型檔案：系統整合了多個版本的YOLO模型（如YOLOv8/v7/v6/v5），使用者可以根據自己的需求選擇不同的模型進行水果識別。這一功能使得使用者能夠靈活地比較不同模型的表現，以選擇最適合當前任務的模型。

在我們的系統中，開啟攝像頭實時檢測功能允許使用者直接透過網頁介面訪問攝像頭，實時顯示和識別畫面中的水果，提供即時反饋。而選擇圖片檢測與選擇影片檔案檢測功能則讓使用者能夠上傳本地的圖片或影片檔案，系統將自動分析並展示識別結果，無論是靜態影像還是動態影片均能精確識別。

為了滿足不同場景下的需求，系統還設計了選擇不同訓練好的模型檔案功能，使用者可以根據自己的需要選擇不同版本的YOLO模型進行識別，從而在準確度和處理速度之間找到最佳平衡。在效果展示方面，系統支援檢測畫面和原始畫面的同時或單獨顯示，增強了使用者體驗，使使用者能夠直觀地比較檢測結果與原始畫面之間的差異。透過可點選下拉框單獨標記特定目標並顯示結果的設計，使用者可以專注於感興趣的水果型別，提高了識別的針對性和效率。同時，所有檢測結果都會儲存在頁面表格顯示，並且使用者還可以動態調整檢測演算法的置信度閾值和IOU閾值，這些靈活的配置選項大大提升了系統的實用性和準確性。

最後，為了便於使用者將檢測結果用於進一步分析或存檔，系統提供了功能強大的結果匯出選項。使用者可以將檢測結果的表格輸出到csv檔案，或將標記後的檢測結果匯出為avi影像檔案，這些匯出功能的加入極大地增強了系統的應用價值。綜上所述，基於YOLOv8/v7/v6/v5的水果識別系統透過其全面的功能和卓越的使用者體驗，不僅能夠滿足專業領域內的高標準需求，也為廣大使用者提供了一種便捷、高效的水果識別工具。

2. 緒論

2.1 研究背景及意義

在當今社會，隨著人們生活水平的提高，對健康飲食的追求日益增加，水果作為重要的食物來源之一，其種類繁多、營養價值高，已成為人們日常飲食不可或缺的一部分。然而，隨著全球化貿易的發展和消費者需求的多樣化，水果的種植、加工、貿易和零售等環節變得越來越複雜，如何快速、準確地識別不同種類的水果，確保水果質量，提高供應鏈效率，已經成為一個亟待解決的問題。

在這個背景下，水果識別技術應運而生。利用計算機視覺和深度學習技術，可以自動識別圖片或影片中的水果種類，這不僅可以幫助農業生產者和零售商更高效地管理水果質量和庫存，還能提升消費者的購物體驗，同時，對於食品安全監管機構而言，這一技術同樣具有重要意義。

近年來，隨著人工智慧技術的快速發展，特別是深度學習技術在影像處理領域的廣泛應用，水果識別技術得到了飛速的發展。YOLO（You Only Look Once）系列演算法作為當前最流行的目標檢測演算法之一，以其高效、準確的特性，成為水果識別領域研究的熱點。從YOLOv1到YOLOv8，每個版本的迭代都帶來了效能的顯著提升，不僅識別速度更快，而且準確率也有了大幅度的提高^[1]。

最近的研究表明，透過最佳化神經網路結構、調整訓練策略和使用更大更復雜的資料集，可以有效提高水果識別的準確性和魯棒性^[2]^[3]。此外，結合其他技術，如資料增強、遷移學習等，也能顯著改善模型的效能，使其能夠應對不同光照、背景和水果狀態下的識別任務^[4]。

水果識別技術的發展不僅對提升農業生產效率、保障食品安全、最佳化零售管理等方面具有重要的實際意義，同時也推動了人工智慧技術在農業和食品領域的應用和發展。隨著技術的進一步完善和應用場景的不斷擴充，未來水果識別技術將展現出更加廣闊的應用前景。

2.2 國內外研究現狀

在目標檢測領域，尤其是水果識別這一細分應用中，深度學習技術已經展現出了巨大的潛力和優勢。從早期的卷積神經網路（CNN）到最近的Transformer架構，以及注意力機制的廣泛應用，研究者們一直在不斷探索更為高效、準確的演算法來提升目標檢測的效能。其中，YOLO（You Only Look Once）系列演算法作為最受關注的目標檢測演算法之一，其不同版本在速度和準確度方面都取得了顯著進步，極大地推動了水果識別技術的發展。

YOLOv5，作為系列中較早的版本，以其出色的速度和相對較高的準確度被廣泛應用於實時目標檢測任務^[5]。隨後，YOLOv6、YOLOv7和YOLOv8的推出，透過引入更為複雜的網路結構和最佳化演算法，進一步提升了檢測效能。特別是YOLOv8，在網路架構、訓練策略和最佳化方法上都進行了創新，實現了對小目標的更好識別效果以及更高的整體精度。

近年來，Transformer在自然語言處理（NLP）領域取得了巨大成功後，其潛力也逐漸被目標檢測領域所認識。Vision Transformer（ViT）將Transformer架構應用於影像識別任務，透過將影像分割成多個patch作為輸入，利用自注意力機制學習不同patch間的關係，展現出了與CNN相匹敵的效能。此外，DEtection TRansformer（DETR）透過直接預測目標的邊界框和類別，無需使用傳統的錨框（anchor box），簡化了目標檢測的流程，提高了模型的效率和準確性。

RetinaNet利用其獨特的Focal Loss解決了目標檢測中的類別不平衡問題，顯著提升了檢測小目標的能力，這對於在複雜背景中識別各種型別的水果尤為重要。Faster R-CNN作為一個兩階段的檢測框架，透過Region Proposal Network（RPN）生成高質量的候選區域，然後透過後續網路進行精確的目標檢測，雖然速度較YOLO系列慢，但在精度上具有一定優勢。

MMDetection是一個開源的目標檢測工具箱，提供了包括YOLOv3、Faster R-CNN、RetinaNet等在內的多種演算法實現，其模組化和可插拔的設計使得研究者能夠快速實驗和部署最新的目標檢測演算法，加速了演算法的迭代和最佳化過程。

綜合以上演算法的創新點，我們可以看到目標檢測技術在網路架構、損失函式設計、訓練策略以及應用方法上都有了顯著的進步。對於水果識別這一具體任務，這些演算法的創新之處為解決實際問題提供了多樣化的思路和方法。無論是YOLO系列在實時性和精確度的平衡上，還是Transformer系列在處理全域性資訊上的優勢，亦或是RetinaNet在解決類別不平衡問題上的創新，都極大地豐富了水果識別技術的研究和應用前景。

2.3 要解決的問題及其方案

2.3.1 要解決的問題

在開發基於YOLOv8/v7/v6/v5的水果識別系統時，我們面臨了一系列挑戰，旨在提高水果識別的準確性、速度，並確保系統具有良好的使用者體驗和高效的資料處理能力。以下是我們需要解決的核心問題：

水果識別的準確性和速度

水果識別的準確性和速度是系統設計的首要目標。考慮到水果種類的多樣性，以及在不同光照、背景下水果的視覺表現差異，系統需要能夠準確識別出各種水果的細微特徵。此外，對於實時監控或快速處理需求，系統還必須保證快速響應。透過採用YOLOv8/v7/v6/v5等先進的深度學習模型，並結合PyTorch這一強大的技術框架，我們能夠構建出既快速又準確的識別模型，有效處理這一挑戰。

環境適應性和模型泛化能力

水果在自然或人工環境中的呈現形式極其多變，如不同的成熟度、部分遮擋或疊加、以及多種型別的背景噪聲等，都可能影響識別準確度。為此，我們不僅在模型訓練過程中引入了豐富多樣的資料集，還應用了資料增強技術來模擬各種環境下的水果影像，增強了模型的泛化能力。

使用者互動介面的直觀性和功能性

我們採用了基於streamlit的網頁設計，結合CSS進行美化，以提供清晰、友好的使用者介面。使用者可以透過簡單直觀的操作進行圖片、影片和實時攝像頭的水果檢測，同時能夠方便地切換不同版本的YOLO模型進行檢測。這不僅降低了使用者的使用門檻，也豐富了使用者的使用體驗。

資料處理能力和儲存效率

考慮到系統將處理大量的影像和影片資料，我們最佳化了資料處理流程和儲存機制，確保了高效的資料管理和查詢速度。同時，安全性和隱私保護措施也被納入系統設計之中，以保護使用者資料不被未授權訪問。

系統的可擴充套件性和維護性

透過模組化設計和遵循最佳開發實踐，我們確保了系統能夠輕鬆整合新的功能或模型。此外，選擇PyCharm作為開發工具IDE，不僅提高了開發效率，也便於後期的程式碼維護和更新。

2.3.2 解決方案

針對水果識別系統的設計與實現，我們提出了一系列解決方案，旨在應對準確性、速度、環境適應性、使用者互動以及資料處理等方面的挑戰。這些解決方案結合了當前最先進的深度學習技術和使用者友好的網頁設計，確保了系統既高效又實用。

深度學習模型的選擇和最佳化： 我們綜合考慮了YOLOv8、v7、v6、v5等多個版本，根據它們在速度和準確性之間的平衡，以及對不同型別水果識別的適應性，選擇了最適合我們需求的模型版本。透過PyTorch，一個提供靈活程式設計環境和強大GPU加速能力的框架，我們不僅實現了這些模型的快速開發和迭代，還透過資料增強技術和遷移學習策略進一步最佳化了模型的泛化能力和識別效能。
技術框架和開發工具： 我們選擇PyTorch作為深度學習的主要框架，並利用Streamlit來設計一個美觀、直觀且功能豐富的網頁介面。這使得使用者可以輕鬆地上傳圖片、影片或透過實時攝像頭進行水果識別，同時也能夠便捷地切換不同的模型檔案以適應不同的識別需求。PyCharm作為我們的開發IDE，為我們的程式碼編寫、除錯和版本控制提供了極大的便利。
功能實現和系統設計： 我們的系統支援多種輸入源，並實現了動態模型切換功能，這不僅提高了系統的靈活性和適用範圍，也最佳化了使用者體驗。為了保護使用者資訊，我們還特別設計了安全的使用者登入和註冊介面，採用了加密技術進行資訊保護，並支援使用者管理和許可權控制。
資料處理和儲存策略： 我們利用了PyTorch的高效資料載入和預處理機制，確保了資料處理的實時效能。同時，我們設計了一套智慧的資料儲存方案，有效地組織和索引了識別結果和歷史資料，便於使用者進行快速查詢和分析。

透過實施上述解決方案，我們成功開發出了一個既準確又高效的水果識別系統。該系統不僅能滿足不同使用者在多變環境下的應用需求，還提供了友好的使用者體驗和強大的資料處理能力，展現了深度學習技術在實際應用中的巨大潛力。

2.4 博文貢獻與組織結構

本文的核心貢獻可以概括為以下幾個方面：

綜合性文獻綜述：本文提供了一篇全面的文獻綜述，深入分析了目標檢測領域內，尤其是水果識別技術的最新進展。透過比較YOLOv8/v7/v6/v5等演算法的效能，本文揭示了各版本優勢及其在水果識別任務上的應用潛力。
資料集處理：詳細介紹了水果識別專案中使用的資料集處理方法，包括資料預處理、增強技術等，以提升模型的泛化能力和識別準確率。
演算法選擇與最佳化：本文不僅介紹了YOLO系列演算法在水果識別任務中的應用，還探討了如何根據具體任務需求選擇合適的演算法版本，並對選定的演算法進行了相應的最佳化，以適應水果識別的特定需求。
網頁設計與實現：藉助Streamlit框架，本文展示了一個既美觀又使用者友好的網頁介面設計，該介面支援圖片、影片和攝像頭的實時水果識別，同時允許使用者輕鬆切換不同的模型檔案，提升了系統的實用性和靈活性。
實驗結果與分析：透過對比YOLOv7、v6、v5等演算法在同一資料集上的識別效果，本文詳細分析了各演算法的效能指標，如準確率、檢測速度等，為讀者提供了寶貴的參考資訊。
資源共享：為了便於讀者復現和進一步研究，本文提供了完整的資料集和程式碼資源包，包括模型預訓練檔案、訓練和預測的程式碼等。

後續章節的組織結構如下：緒論：介紹研究背景、目的和本文的主要貢獻；演算法原理：詳細介紹YOLOv8/v7/v6/v5等演算法的工作原理及其在水果識別中的應用；資料集處理：討論使用的資料集及其預處理、增強方法。程式碼介紹：提供模型訓練和預測的詳細程式碼說明，包括環境搭建、引數配置和執行步驟。實驗結果與分析：展示不同模型在水果識別任務上的實驗結果，並進行比較分析。系統設計與實現：介紹基於Streamlit的水果識別系統的設計與實現細節。結論與未來工作：總結本文的研究成果，並討論未來的研究方向和潛在的改進空間。

3. 資料集處理

在我們的水果識別專案中，使用了一個精心準備和預處理過的資料集，這是確保深度學習模型準確性的關鍵。總體來看，這個資料集含有3030張高質量的影像，包括2424張用於訓練的圖片，303張用於驗證模型效能的圖片，以及另外303張用於最終測試的圖片。透過這樣的分佈，我們能夠保證模型在不同階段都有足夠的資料進行學習，並能夠評估其泛化能力。博主使用的類別如下：

Chinese_name = {'apple': "蘋果", 'banana': "香蕉", 'dragon fruit': "火龍果", 'guava': "番石榴", 'oren': "橙子", 'pear': "梨",
                'pineapple': "菠蘿", 'sugar apple': "釋迦果"}

在對影像進行預處理的過程中，所有的影像都經歷了自動定向校正，以保證圖片的正確方向。為了實現模型的規模不變性和簡化網路的輸入要求，所有影像都統一被調整為640x640畫素的大小，儘管這一步驟可能會導致一些形狀失真，但它為模型訓練提供了標準化的輸入。我們的資料集展示了各種水果的例項，條形圖顯示蘋果、香蕉、火龍果等水果的例項數遠高於其他水果，比如蘋果。這一分佈意味著我們的模型可能需要特別注意不同類別的平衡，以免偏向那些更頻繁出現的類別。解決這個問題的方法可能包括對較少見的水果類別進行過取樣，或在訓練過程中調整不同類別的權重。

進一步分析邊界框位置分佈，我們發現大多數水果目標位於影像的中央區域。這樣的集中趨勢對於模型的訓練意味著模型可能會更容易學習識別位於中央的物體。因此，為了增強模型的空間識別能力，我們可能需要引入包含水果在影像邊緣或角落中的樣本，或者在資料增強階段應用隨機裁剪和平移變換。

邊界框尺寸的分析揭示了水果在影像中佔據的相對大小，以及它們的形狀分佈。大多數水果的邊界框接近正方形，符合常見水果的自然形狀。但有足夠的分佈範圍來表示各種不同的尺寸，從很小的水果到佔據影像較大部分的水果都有覆蓋。為了確保模型能夠識別各種尺寸的水果，可以透過在資料增強中應用不同比例的縮放來提高模型的尺寸不變性。

綜上所述，我們的資料集是為水果識別任務量身定做的，它不僅在類別和例項上有豐富的多樣性，還在影像的預處理和準備上進行了細緻的工作。我們透過分析資料集的分佈，確保了在模型的訓練過程中能夠識別和解決可能的偏差和不平衡，為構建一個魯棒、可靠且高效的水果識別模型奠定了基礎。

4. 原理與程式碼介紹

4.1 YOLOv8演算法原理

YOLOv8演算法的原理在其深度學習架構的細節中體現得淋漓盡致，每個組成部分都為實現更精確、更快速的目標檢測做出了貢獻。ELAN網路結構的使用，提供了更高效的特徵資訊整合，這在某種程度上借鑑了特徵金字塔網路（FPN）和路徑聚合網路（PAN）的概念。這些網路能夠有效地整合不同解析度的特徵圖，增強了對於多尺度目標的識別能力，這對於檢測不同大小的水果至關重要，尤其是當它們在影像中以不同的角度和距離出現時。

Distribution Focal Loss作為YOLOv8的創新點之一，它是對原始的Focal Loss的擴充套件。Focal Loss主要用於解決類別不平衡的問題，透過降低大量易分類樣本的損失貢獻，使得模型能夠更多地關注那些難以分類的樣本。而Distribution Focal Loss進一步最佳化了這一概念，它不僅關注於不同類別間的平衡，還專注於難易分類樣本內部的平衡，以實現更精細的損失調整。

在YOLOv8中，錨框的概念得到了最佳化，透過引入TaskAlignedAssigner，演算法能夠更智慧地分配錨框給合適的目標。這與傳統的錨框（Anchor Boxes）分配策略不同，後者通常是基於固定的尺寸和比例，而TaskAlignedAssigner則提供了一種動態的分配機制，這有助於模型更精確地預測實際的目標框。在最佳化錨框策略的同時，YOLOv8還針對不同尺寸的目標引入了更為精細的特徵學習策略。它透過調整不同尺寸目標的學習重點，來確保模型能夠對小目標和大目標都有良好的檢測效能。這對於水果新鮮程度檢測系統來說尤其重要，因為系統需要能夠準確識別從小草莓到大西瓜等各種尺寸的水果。

另一方面，Distribution Focal Loss為YOLOv8帶來了另一項創新。與傳統的Focal Loss不同，它不僅關注於區分正負樣本，而且還關注於正樣本的機率分佈。透過調整模型預測的機率分佈，使其更接近實際的目標分佈，從而減少了模型在學習中的不確定性，並增強了模型對不同類別目標的區分能力。

此外，YOLOv8還引入了新穎的損失函式，例如Distribution Focal Loss，這種損失函式針對類別不平衡的問題進行了最佳化，透過調整損失值的分佈，使得模型在訓練過程中對小類別的目標給予更多的關注，從而提高了模型在實際應用中對於稀有目標的識別準確率。在YOLOv8中，每個預測的邊界框都會包含目標的位置資訊和類別機率，這是透過網路的最後一層來實現的，該層輸出一個三維的張量，其中包含了邊界框的座標、物件置信度以及各類別的機率。YOLOv8透過這種緊湊的輸出方式，大幅提升了檢測的速度，同時也確保了較高的準確度。

總之，YOLOv8演算法的設計體現了深度學習在目標檢測領域的最新進展，透過改進的網路架構、損失函式以及預測機制，使得在保持高速檢測的同時，也能夠適應更加複雜多變的檢測場景。這些特點使得YOLOv8成為當前目標檢測任務，尤其是在實時應用場景中的優選演算法。

4.2 模型構建

在本章節中，我們將深入介紹構建水果識別模型的程式碼流程和結構。本系統的模型構建過程利用了Python程式語言的高階功能，結合了計算機視覺庫OpenCV和機器學習庫PyTorch，透過精心設計的類和方法實現了一個高效且準確的水果識別模型。

首先，我們利用OpenCV，這是一個強大的計算機視覺庫，它為我們處理影像和影片提供了必要的工具。OpenCV在模型訓練和評估中的作用不可或缺，尤其是在進行影像的預處理和增強時。隨後，我們將模型的核心建立在PyTorch框架之上。PyTorch是目前深度學習研究和實踐中最受歡迎的框架之一，因其出色的靈活性和強大的功能被廣泛使用。在程式碼中，我們透過select_device函式選擇最合適的硬體裝置來執行我們的模型，這保證了無論在GPU還是CPU上，模型都能以最佳狀態執行。

import cv2
import torch
from QtFusion.models import Detector
from datasets.label_name import Chinese_name
from ultralytics import YOLO
from ultralytics.utils.torch_utils import select_device

在程式碼中，我們設定了使用GPU或CPU作為模型運算的裝置，這一選擇取決於PyTorch能否檢測到可用的GPU。在初始化（init）過程中，我們為模型設定了預設引數，並準備了類別名稱列表。這些名稱是用於在預測時標註出各個檢測到的物體的類別。我們使用Chinese_name字典將類別ID對映為對應的中文名稱，使得模型的輸出更易於理解。

device = "cuda:0" if torch.cuda.is_available() else "cpu"
ini_params = {
    'device': device,
    'conf': 0.25,
    'iou': 0.5,
    'classes': None,
    'verbose': False
}

透過count_classes函式，我們可以統計每個類別的出現次數，為評估模型在不同類別上的效能提供了便利。這在實際應用中尤為重要，因為它幫助我們瞭解模型對於資料集中的各個類別是否存在偏差。

def count_classes(det_info, class_names):
    count_dict = {name: 0 for name in class_names}
    for info in det_info:
        class_name = info['class_name']
        if class_name in count_dict:
            count_dict[class_name] += 1
    count_list = [count_dict[name] for name in class_names]
    return count_list

我們定義的YOLOv8v5Detector類，承擔了模型載入、影像預處理、預測和後處理的任務。這個類繼承自一個抽象的Detector基類，體現了物件導向程式設計的一個優點——程式碼複用。透過繼承，我們能夠將通用的邏輯（如載入模型、預處理影像等）放在基類中，而將特定的邏輯（如呼叫YOLO模型進行預測）在子類中實現。在load_model方法中，模型從給定的路徑載入。載入後，我們對模型進行預熱，即在選擇的裝置上執行一個前向傳播，以確保模型執行時的效能。在preprocess方法中，我們將影像轉換為模型預期的格式，雖然這裡的程式碼保持原始影像不變，但這提供了進行如歸一化、縮放或裁剪等預處理步驟的可能性。

class YOLOv8v5Detector(Detector):
    def __init__(self, params=None):
        super().__init__(params)
        self.model = None
        self.img = None
        self.names = list(Chinese_name.values())
        self.params = params if params else ini_params
	def load_model(self, model_path):
	    self.device = select_device(self.params['device'])
	    self.model = YOLO(model_path)
	    names_dict = self.model.names
	    self.names = [Chinese_name[v] if v in Chinese_name else v for v in names_dict.values()]
	    self.model(torch.zeros(1, 3, *[self.imgsz] * 2).to(self.device).type_as(next(self.model.model.parameters())))
	def preprocess(self, img):
	    self.img = img
	    return img
	
	def predict(self, img):
	    results = self.model(img, **ini_params)
	    return results
	
	def postprocess(self, pred):
	    results = []
	    for res in pred[0].boxes:
	        for box in res:
	            class_id = int(box.cls.cpu())
	            bbox = box.xyxy.cpu().squeeze().tolist()
	            bbox = [int(coord) for coord in bbox]
	            result = {
	                "class_name": self.names[class_id],
	                "bbox": bbox,
	                "score": box.conf.cpu().squeeze().item(),
	                "class_id": class_id,
	            }
	            results.append(result)
	    return results
	    
    def set_param(self, params):
        self.params.update(params)

predict方法是模型預測的核心，它將預處理後的影像作為輸入，呼叫YOLO模型進行物體檢測，並返回檢測結果。在postprocess方法中，我們對模型的輸出進行解析和格式化，將其轉換為包含類別名稱、邊界框座標、置信度分數以及類別ID的字典列表。這樣的輸出格式便於後續的分析和視覺化。透過呼叫set_param方法，使用者可以根據需要動態調整模型引數，如置信度閾值和IOU閾值，進一步最佳化模型的效能。

整體而言，這段程式碼透過精心設計的類結構和方法，實現了一個完整的水果識別流程，從影像輸入到預測輸出，每一個環節都經過了最佳化和定製，以確保模型能夠在實際應用中達到最佳的識別效果。

4.3 訓練程式碼

在深入探究構建深度學習模型的程式碼時，理解每一行程式碼的目的及其在整個訓練流程中的作用至關重要。本部落格將詳細分析用於水果識別的YOLO模型的訓練過程。以下表格詳細介紹了YOLOv8模型訓練中使用的一些重要超引數及其設定：

超引數	設定	說明
學習率（`lr0`）	0.01	決定了模型權重調整的步長大小，在訓練初期有助於快速收斂。
學習率衰減（`lrf`）	0.01	控制訓練過程中學習率的降低速度，有助於模型在訓練後期細緻調整。
動量（`momentum`）	0.937	加速模型在正確方向上的學習，並減少震盪，加快收斂速度。
權重衰減（`weight_decay`）	0.0005	防止過擬合，透過在損失函式中新增正則項減少模型複雜度。
熱身訓練週期（`warmup_epochs`）	3.0	初始幾個週期內以較低的學習率開始訓練，逐漸增加到預定學習率。
批次大小（`batch`）	16	每次迭代訓練中輸入模型的樣本數，影響GPU記憶體使用和模型效能。
輸入影像大小（`imgsz`）	640	模型接受的輸入影像的尺寸，影響模型的識別能力和計算負擔。

環境設定與模型載入：首先，我們需要匯入用於構建和訓練模型的必要庫。這包括os和torch，後者是構建深度學習模型的主要工具，提供了GPU加速及自動微分等強大功能。yaml用於處理配置檔案，這些檔案通常包含有關訓練資料、模型引數等重要資訊。YOLO類來自ultralytics庫，是針對YOLO模型訓練和推理流程的一個封裝。abs_path函式用於處理檔案路徑，確保無論在哪個工作環境中，程式碼都能正確地找到檔案位置。

import os
import torch
import yaml
from ultralytics import YOLO  # 用於載入YOLO模型
from QtFusion.path import abs_path  # 用於獲取檔案的絕對路徑

接下來，我們定義了用於訓練過程的關鍵變數。device變數確保模型能夠利用GPU進行訓練，如果GPU不可用，則回退到CPU。

device = "0" if torch.cuda.is_available() else "cpu"

資料集準備：變數workers定義了在資料載入過程中用於加速讀取的程序數。而batch設定了每個批次處理的影像數量，這直接影響記憶體消耗和訓練速度。資料集的路徑是透過data_path變數指定的，它使用abs_path函式從相對路徑轉換為絕對路徑，並透過replace函式統一了路徑格式。在實際訓練過程中，這保證了模型能夠正確地訪問到資料集。

workers = 1  # 工作程序數
batch = 8  # 每批處理的影像數量
data_name = "FruitData"
data_path = abs_path(f'datasets/{data_name}/{data_name}.yaml', path_type='current')
unix_style_path = data_path.replace(os.sep, '/')

我們透過讀取並更新資料集的YAML配置檔案，來確保資料路徑的準確性。這個步驟對於訓練過程至關重要，因為所有的訓練影像、標籤和驗證影像都依賴於這些路徑的設定。

directory_path = os.path.dirname(unix_style_path)
with open(data_path, 'r') as file:
    data = yaml.load(file, Loader=yaml.FullLoader)

if 'path' in data:
    data['path'] = directory_path
    with open(data_path, 'w') as file:
        yaml.safe_dump(data, file, sort_keys=False)

訓練模型：最後，我們載入了預訓練的YOLO模型，並呼叫其train方法開始訓練流程。這裡，我們指定了資料配置檔案、訓練裝置、工作程序數、輸入影像大小、訓練輪數、批次大小和訓練任務的名稱。這些引數共同構成了訓練環境的基礎，並直接影響到訓練效率和模型效能。

model = YOLO(abs_path('./weights/yolov5nu.pt', path_type='current'), task='detect')  # 載入預訓練的YOLOv8模型
# model = YOLO('./weights/yolov5.yaml', task='detect').load('./weights/yolov5nu.pt')  # 載入預訓練的YOLOv8模型
# Training.
results = model.train(  # 開始訓練模型
    data=data_path,  # 指定訓練資料的配置檔案路徑
    device=device,  # 自動選擇進行訓練
    workers=workers,  # 指定使用2個工作程序載入資料
    imgsz=640,  # 指定輸入影像的大小為640x640
    epochs=120,  # 指定訓練100個epoch
    batch=batch,  # 指定每個批次的大小為8
    name='train_v5_' + data_name  # 指定訓練任務的名稱
)
model = YOLO(abs_path('./weights/yolov8n.pt'), task='detect')  # 載入預訓練的YOLOv8模型
results2 = model.train(  # 開始訓練模型
    data=data_path,  # 指定訓練資料的配置檔案路徑
    device=device,  # 自動選擇進行訓練
    workers=workers,  # 指定使用2個工作程序載入資料
    imgsz=640,  # 指定輸入影像的大小為640x640
    epochs=120,  # 指定訓練100個epoch
    batch=batch,  # 指定每個批次的大小為8
    name='train_v8_' + data_name  # 指定訓練任務的名稱
)

此程式碼段揭示瞭如何使用YOLO模型的訓練機制，其中包含了多個層面的設定。所有這些設定都被細緻地調整和最佳化，以期在實際應用中獲得最好的水果識別效果。透過該訓練流程，研究人員和實踐者可以對YOLO模型進行訓練和微調，進而在各種環境中實現準確的水果識別。

5. 實驗結果與分析

5.1 訓練曲線

在我們的水果識別專案中，利用YOLOv8模型的訓練是實現高準確度檢測的關鍵環節。透過對模型訓練過程中的損失函式和效能指標進行深入分析，我們能夠洞察模型的學習效率以及潛在的最佳化方向。

從損失函式的角度觀察，我們有三種型別的損失：box_loss、cls_loss、和df1_loss，分別對應邊界框迴歸損失、分類損失以及另一種模型特定的損失。在訓練（train）和驗證（val）階段，所有型別的損失都隨著訓練輪次（epochs）的增加而持續下降，這表明模型正在有效學習並從資料中提取有用的特徵。尤其值得注意的是，驗證損失的下降和訓練損失相一致，表明模型沒有發生過擬合現象，即模型沒有在訓練資料上過度學習而忽略了泛化性。

box_loss在訓練和驗證過程中都顯著降低，意味著模型越來越擅長於預測準確的邊界框。而cls_loss的降低說明模型對水果種類的識別能力增強。至於df1_loss，雖然其具體含義根據上下文可能有所不同，但一般表示模型在特定任務上的一種效能指標，它的下降也預示了模型整體效能的提升。

在效能指標方面，我們關注的是精確度（precision）、召回率（recall）、mAP@0.5以及mAP@0.5-0.95。精確度和召回率在訓練過程中維持在較高水平，這表明模型能夠以較高的可靠性檢測出目標。其中，精確度在0.98左右波動，召回率在0.97以上，都表明模型的識別能力相當穩定，誤報和漏報情況較少。mAP（mean Average Precision）是目標檢測模型常用的效能指標，mAP@0.5和mAP@0.5-0.95分別對應不同的IoU閾值。mAP@0.5幾乎在訓練初期就達到了飽和，而mAP@0.5-0.95則顯示出持續增長，說明模型在處理更嚴格的IoU閾值時效能逐步提升。

總結來說，從訓練損失和效能指標的結果來看，模型在水果識別任務上表現出色，並且表現出良好的學習效率和泛化能力。這些結果不僅僅意味著模型在訓練集上表現好，更重要的是，它在未見過的驗證資料上也能保持穩定的效能，這為後續將模型部署到實際環境中提供了信心。透過進一步分析這些指標，我們可以對模型訓練過程中的各個方面進行微調，從而最佳化模型的整體效能。

5.2 F1曲線圖

評估一個目標檢測模型的效能時，F1分數是一個關鍵指標，它平衡了精確度和召回率，提供了一個單一的效能度量。在提供的F1-Confidence曲線圖中，我們可以觀察到模型在不同置信度閾值下對各類水果的識別效果。

從圖中可見，F1分數曲線隨著置信度閾值的增加而升高，然後在某個點後開始平穩並最終下降。理想的F1曲線應在高置信度區間內保持較高的值，這表明模型在這個區間內同時保持了高精確度和高召回率。所有類別的總體F1分數在置信度為0.734時達到了0.99的峰值。這表明模型具有出色的整體識別能力，能夠在較高置信度下維持較高的精確度和召回率。

各個水果類別的F1分數曲線大多遵循相同的趨勢，這表明模型對各類水果都有均衡的識別能力。這是非常理想的情況，因為在實際應用中，我們希望模型對所有類別都有穩定的表現，而不是僅對某些特定類別有好的效能。

一些類別如guava和dragon fruit在低置信度區間內F1分數較低，但隨著置信度閾值的增加，F1分數迅速上升並與其他類別曲線匯合。這可能表明，在這些類別中，模型產生了較多的假陽性（即錯誤標記為該類別），但透過提高置信度閾值，模型能夠更加準確地識別。

在實際應用中，透過調整模型的置信度閾值，可以根據具體任務的需求權衡精確度和召回率。例如，如果我們更重視避免漏檢（即希望召回率更高），那麼可以選擇一個較低的置信度閾值。相反，如果我們更注重減少錯誤識別（即希望精確度更高），則可以選擇一個較高的置信度閾值。

總的來說，透過分析F1-Confidence曲線，我們不僅可以評估模型的整體效能，還能深入瞭解模型在各個置信度閾值下對不同類別的識別能力。這樣的分析為我們提供了調整模型和選擇最佳操作點的依據，使得模型能在實際部署中達到最佳表現。

5.3 YOLOv8/v7/v6/v5對比實驗

（1）實驗設計：
本實驗旨在評估和比較YOLOv5、YOLOv6、YOLOv7和YOLOv8幾種模型在水果目標檢測任務上的效能。為了實現這一目標，博主分別使用使用相同的資料集訓練和測試了這四個模型，從而可以進行直接的效能比較。該資料集包含水果的影像。本文將比較分析四種模型，旨在揭示每種模型的優缺點，探討它們在工業環境中實際應用的場景選擇。

模型	影像大小 (畫素)	mAPval 50-95	CPU ONNX 速度 (毫秒)	A100 TensorRT 速度 (毫秒)	引數數量 (百萬)	FLOPs (十億)
YOLOv5nu	640	34.3	73.6	1.06	2.6	7.7
YOLOv8n	640	37.3	80.4	0.99	3.2	8.7
YOLOv6N	640	37.5	-	-	4.7	11.4
YOLOv7-tiny	640	37.4	-	-	6.01	13.1

（2）度量指標：

F1-Score：F1-Score 作為衡量模型效能的重要指標，尤其在處理類別分佈不均的資料集時顯得尤為關鍵。它透過結合精確率與召回率，提供了一個單一的度量標準，能夠全面評價模型的效能。精確率衡量的是模型在所有被標記為正例中真正屬於正例的比例，而召回率則關注於模型能夠識別出的真正正例佔所有實際正例的比例。F1-Score透過兩者的調和平均，確保了只有當精確率和召回率同時高時，模型的效能評估才會高，從而確保了模型對於正例的預測既準確又完整。

mAP（Mean Average Precision）：在目標檢測任務中，Mean Average Precision（mAP）是評估模型效能的重要標準。它不僅反映了模型對單個類別的識別精度，而且還考慮了所有類別的平均表現，因此提供了一個全域性的效能度量。在計算mAP時，模型對於每個類別的預測被單獨考慮，然後計算每個類別的平均精度（AP），最後這些AP值的平均數形成了mAP。

名稱	YOLOv5nu	YOLOv6n	YOLOv7-tiny	YOLOv8n
mAP	0.989	0.988	0.987	0.989
F1-Score	0.98	0.98	0.98	0.99

（3）實驗結果分析：

在本次水果識別的實驗中，我們的目的是評估並對比這四個模型在相同資料集上的效能。實驗設計旨在保證各模型在公平的條件下進行比較，包括相同的訓練集、驗證集以及測試集，相同的訓練輪次、批次大小和學習率等引數。我們採用了F1-Score和mAP這兩個度量指標來評估模型效能，這兩個指標綜合反映了模型在精確度和召回率方面的表現。

從實驗結果來看，四個模型的效能非常接近。YOLOv5nu和YOLOv8n在mAP指標上相同，均為0.989，這顯示了它們在檢測各類水果時位置和類別準確性上的出色表現。而YOLOv7-tiny的mAP略低一點，為0.987，這可能是因為“tiny”版本的模型通常會為了減少計算量而簡化網路結構，這可能導致模型捕捉特徵的能力略有下降。儘管如此，這個細微的差距並不明顯，也可能在實際應用中不會對效能造成顯著影響。

當我們觀察F1-Score時，可以注意到YOLOv8n以0.99的分數領先於其他模型，這說明了它在平衡精確度和召回率方面的細微優勢。F1-Score是精確度和召回率的調和平均數，高F1-Score意味著模型在減少假陽性和假陰性的同時，保持了較高的正確檢測率。YOLOv5nu、YOLOv6n和YOLOv7-tiny的F1分數雖然略低，但都保持在0.98，仍舊體現了它們卓越的效能。

這些高的指標得分可能與YOLO系列的優秀網路架構和資料集特性有關。YOLO模型以其在速度和準確度上的優異平衡而著稱，這在實時目標檢測任務中極為重要。特別是對於水果這樣的具體分類任務，YOLO系列透過各種卷積層捕捉到了水果的形狀和紋理等特徵，而且經過數代的迭代，網路架構和演算法已經越發成熟和精細。

儘管這四個模型的效能接近，但在實際應用中，選擇哪個模型還需考慮更多因素，如模型大小、計算資源限制、實時性要求等。例如，在資源有限的裝置上，YOLOv7-tiny可能會是一個更合適的選擇，因為它犧牲了一點點效能，卻能顯著降低計算和儲存需求。

6. 系統設計與實現

6.1 系統架構概覽

在我們的部落格中，接下來我們深入探討基於YOLOv8/v7/v6/v5的水果識別系統的架構設計。本系統採用了模組化設計思想，旨在透過清晰定義的元件和介面來提升系統的可維護性和擴充套件性。下面是系統架構的關鍵組成部分：

檢測系統類（Detection_UI）
檢測系統類是整個水果識別系統的核心，它負責協調各個元件的互動。這個類透過整合不同的模組，提供了一個使用者友好的介面，用於上傳影像或影片，選擇模型引數，並展示識別結果。它利用了streamlit框架來搭建可互動的Web介面，方便使用者操作。
YOLOv8/v5模型檢測器（YOLOv8v5Detector）
YOLOv8v5Detector類扮演了模型檢測器的角色，封裝了YOLO模型的載入、預處理、預測以及後處理等操作。這個類是我們系統的AI引擎，透過載入預訓練的YOLO模型權重來識別影像或影片中的水果。利用這個模組，我們可以輕鬆地將最新的YOLO模型版本整合到我們的系統中，以便利用其強大的檢測能力。
日誌和結果處理
系統中整合了ResultLogger和LogTable兩個類，用於處理和記錄識別結果。ResultLogger提供了一個框架來記錄每次檢測的關鍵資訊，如識別到的水果類別、置信度、位置等。LogTable則負責將這些資訊以表格的形式展示和儲存，便於使用者檢視和分析識別結果。
工具類和輔助方法
為了提高程式碼的複用性和減少冗餘，系統設計了一系列工具類和輔助方法。例如，abs_path和drawRectBox分別用於處理檔案路徑的獲取和在影像上繪製識別框。此外，get_camera_names、save_uploaded_file等方法則為系統提供了攝像頭管理和檔案處理的功能。
UI佈局和樣式
透過使用def_css_hitml方法，我們為系統定義了一套統一的CSS樣式，保證了使用者介面的美觀性和一致性。同時，setup_sidebar和setupMainWindow方法則分別負責側邊欄和主視窗的佈局設定，使得整個系統介面直觀易用。

6.2 系統流程

在探討基於YOLOv8/v7/v6/v5的水果識別系統的流程時，我們可以從程式碼中抽象出一系列關鍵步驟，這些步驟整合了從影像獲取、模型預測到結果展示的整個流程。以下是系統的主要流程步驟，它們體現了系統如何協調不同的元件以實現水果識別的功能。

初始化系統設定：系統首先透過Detection_UI類初始化，設定系統的基本引數，如模型型別、置信度閾值、IOU閾值等。此階段也涉及到介面佈局的初始化，包括側邊欄的配置和頁面的基本佈局設定。
模型和資料準備：在初始化過程中，系統會根據選擇的模型型別（例如YOLOv8/v5），載入對應的模型權重。同時，系統還會處理輸入資料，這可能包括從攝像頭捕獲的實時影像、上傳的圖片檔案或影片檔案。
側邊欄配置：使用者可以透過側邊欄進行一系列配置，包括選擇模型檔案、設定置信度閾值、IOU閾值、選擇輸入源（攝像頭或檔案）等。這些配置將直接影響檢測結果的準確性和效率。
執行檢測：使用者點選“開始執行”按鈕後，根據輸入源的不同，系統會呼叫process_camera_or_file方法。這個方法負責處理來自攝像頭的實時流或處理上傳的圖片和影片檔案。對於實時攝像頭輸入，系統會不斷從攝像頭捕獲幀，對每一幀呼叫frame_process方法進行預處理、模型預測、後處理，並將結果顯示在頁面上。對於上傳的圖片檔案，系統將讀取圖片檔案，同樣透過frame_process方法進行處理，並將檢測結果展示出來。對於上傳的影片檔案，系統會按幀讀取影片內容，每一幀都經過frame_process方法處理，檢測結果隨影片播放展示。
顯示檢測結果：無論是實時影片流、圖片還是影片檔案，處理後的影像以及檢測到的物件資訊（如類別、置信度等）都會透過Streamlit的元件在使用者介面上展示。同時，系統提供了過濾功能，允許使用者專注於特定型別的檢測結果。
日誌記錄與匯出：系統會將檢測結果記錄到日誌中，並允許使用者匯出結果為CSV格式的檔案，方便後續分析和報告。
使用者介面互動：使用者還可以透過側邊欄和其他介面元素，如進度條、按鈕等，與系統進行實時交雲，調整設定或重新執行檢測。

這個流程體現了一個典型的計算機視覺應用的工作流程，從資料準備到模型預測再到結果展示，每一步都是為了提高識別的準確性和使用者體驗。透過這種方式，基於YOLO系列模型的水果識別系統能夠有效地辨識各種水果，滿足不同使用者的需求。

程式碼下載連結

如果您希望獲取部落格中提及的完整資源包，包含測試圖片、影片、Python檔案(*.py)、網頁配置檔案、訓練資料集、程式碼及介面設計等，可訪問博主在麵包多平臺的上傳內容。相關的部落格和影片資料提供了所有必要檔案的下載連結，以便一鍵執行。完整資源的預覽如下圖所示：

資源包中涵蓋了你需要的訓練測試資料集、訓練測試程式碼、UI介面程式碼等完整資源，完整專案檔案的下載連結可在下面的影片簡介中找到➷➷➷

演示與介紹影片 https://www.bilibili.com/video/BV1oZ421q75v/
YOLOv8/v7/v6/v5專案合集下載：https://mbd.pub/o/bread/mbd-ZZ2Xm5xt
YOLOv8和v5專案完整資源下載：https://mbd.pub/o/bread/mbd-ZZ2XmZls
YOLOv7專案完整資源下載：https://mbd.pub/o/bread/mbd-ZZ2XmpZs
YOLOv6專案完整資源下載：https://mbd.pub/o/bread/mbd-ZZ2Xmp9x

完整安裝執行教程：

這個專案的執行需要用到Anaconda和Pycharm兩個軟體，下載到資原始碼後，您可以按照以下連結提供的詳細安裝教程操作即可執行成功，如仍有執行問題可私信博主解決：

Pycharm和Anaconda的安裝教程：https://deepcode.blog.csdn.net/article/details/136639378；

軟體安裝好後需要為本專案新建Python環境、安裝依賴庫，並在Pycharm中設定環境，這幾步採用下面的教程可選線上安裝（pip install直接線上下載包）或離線依賴包（博主提供的離線包直接裝）安裝兩種方式之一：

Python環境配置教程：https://deepcode.blog.csdn.net/article/details/136639396（2,3方法可選一種）；
離線依賴包的安裝指南：https://deepcode.blog.csdn.net/article/details/136650641（2,3方法可選一種）；

如使用離線包方式安裝，請下載離線依賴庫，下載地址：https://pan.baidu.com/s/1uHbU9YzSqN0YP_dTHBgpFw?pwd=mt8u （提取碼：mt8u）。

7. 結論與未來工作

本文深入探討了基於YOLOv8/v7/v6/v5的深度學習模型在水果識別領域的應用，併成功開發了一個融合了這些先進演算法的水果識別系統。透過對YOLO系列模型的多個版本進行細緻的比較和精心的最佳化，我們不僅顯著提升了水果識別的準確率和實時性，還利用Streamlit框架建立了一個直觀、美觀且使用者友好的Web應用介面，使使用者能夠輕鬆地進行實時水果識別，極大地拓寬了其在實際應用場景中的應用前景。

透過一系列的實驗驗證，我們證明了本研究提出的水果識別方案在準確性和處理速度上都達到了高水平。此外，本文還提供了從資料集處理、模型訓練到預測過程的完整程式碼，以及基於Streamlit的系統設計與實現的詳細說明，為未來的研究人員和開發者提供了寶貴的參考資料和實踐指南。儘管已經取得了顯著成果，水果識別作為一個複雜而多變的任務，仍面臨許多挑戰和改進的機會。未來的工作將從以下幾個方面展開：

模型最佳化：我們計劃深入研究更先進的網路結構和最佳化技術，比如採用神經網路架構搜尋（NAS）技術，以進一步提高模型的效能和效率。
多模態融合：考慮到多模態資訊能提供更豐富的上下文，我們將探索結合影像、文字等多種模態的學習方法，以實現更準確和全面的水果識別。
跨域適應性：為了讓模型更好地適應不同文化、年齡組的使用者，我們將研究跨域適應技術，提升模型在各種環境中的泛化能力。
使用者互動體驗：進一步改進和最佳化使用者介面及互動設計，使系統更加人性化、智慧化，滿足更廣泛使用者的個性化需求。
實際應用擴充：探討水果識別技術在教育、遠端工作、智慧零售等更多實際應用場景的可能性，以充分發揮其社會和經濟價值。

綜上所述，基於YOLO系列模型的水果識別技術正迎來快速的發展期。隨著技術的持續進步和應用領域的不斷擴充套件，我們相信在不遠的將來，深度學習驅動的水果識別將在提升人機互動體驗、促進社會發展和增進公共健康等多個領域發揮更加關鍵的作用。

Redmon, Joseph, et al. "You only look once: Unified, real-time object detection." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. ↩︎
Tan, Mingxing, and Quoc Le. "Efficientnet: Rethinking model scaling for convolutional neural networks." International conference on machine learning. PMLR, 2019. ↩︎
Zhang, Shifeng, et al. "Bridging the gap between anchor-based and anchor-free detection via adaptive training sample selection." Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2020. ↩︎
He, Kaiming, et al. "Deep residual learning for image recognition." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. ↩︎
Murthy, Jamuna S., et al. "Objectdetect: A real-time object detection framework for advanced driver assistant systems using yolov5." Wireless Communications and Mobile Computing 2022 (2022). ↩︎