三、计算机视觉_07YOLO图像分类

0、前言

在《LeNet5及手势识别案例》文章中，我们基于LeNet-5网络结构，根据【gestures】手势数据集做了模型训练和预测

YOLO作为目前CV领域的扛把子，分类、检测等任务样样精通，本文将根据之前的gestures】手势数据集，换用YOLO来做手势预测的分类任务，看看效果如何

1、准备工作

要进行模型训练，首先要导入对应的数据集

安装YOLO之后，通常会有一个默认的数据集路径，运行YOLO程序时也是去对应的路径下找数据集，如果找不到，则程序也会无法正常跑下去，需要自己每次手动指定数据集的路径，这样就会相对麻烦，也不够规范

因此，我们需要找到这个默认数据集路径，将其调整到电脑中合适的目录下，方便后面使用

下面以windows电脑为例，介绍查找和调整这个路径的方法：

Step1： 依次先后按下 win + R 键，打开windows运行窗口

Step2： 输入%appdata%，然后按下回车键或点击【确定】按钮

Step3： 找到Ultralytics文件夹，点击进入

Step4： 找到setting文件（根据版本不同，可能叫做setting.yaml，也可能叫做setting.json），打开文件，并对datasets_dir配置进行编辑，改成合适的目录（一般选一个磁盘比较大的目录即可，方便放很多以后要用的数据集）

在做完上述操作之后，将手势数据集放置到上面配置好的默认数据集目录下即可

2、模型训练

依旧是三行代码（from、YOLO()、model.train()）打天下

# 解决OMP问题
import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'

# 1. 引入 YOLO 
from ultralytics import YOLO

# 2. 加载/从零构建模型
model = YOLO("yolo11n-cls.yaml") 

# 3. 训练模型
if __name__ == '__main__':
    # data="gesture": 指定训练数据集的路径和名称
    # epochs=10: 设置训练多少轮（10轮）
    # imgsz=128: 设置输入图像的大小（128*128像素）
    # batch=8: 设置每一轮训练中每一批次多少个图像（10轮，每轮每批次8张图）
    results = model.train(data="gesture", epochs=10, imgsz=128, batch=8)

训练完成之后，会自动保存best.pt，可根据训练过程的日志来查看其路径（也可以一个一个找，一般在最后一个trainxx文件夹里面）

3、页面展示

新建一个modelApp.py文件，将下面代码复制粘贴到文件中，并将上面得到的best.pt文件放置于modelApp.py文件的同级别目录

import streamlit as st
import torch
from PIL import Image
from ultralytics import YOLO

if __name__ == "__main__":
    # 显示当前设备是GPU设备还是CPU
    device = "cuda" if torch.cuda.is_available() else "cpu"
    st.write(f"当前设备是：{device}")

    # 加载模型
    model = YOLO("best.pt")

    # 上传一张图片
    uploaded_img = st.file_uploader("请上传一张图片", type=["png", "jpg", "jpeg"])
    # 将上传的图像文件保存到临时文件
    if uploaded_img is not None:
        with open(file="temp_img.jpg", mode="wb") as f:
            f.write(uploaded_img.getvalue())
        img_path = "temp_img.jpg"
        if img_path:
            # 加载训练好的best.pt模型
            pred = model(img_path)
            print(pred)

            # 显示上传好的图片
            img = Image.open(fp=img_path)
            st.image(image=img, caption="上传的图片", use_column_width=True)

            # 使用plot方法可视化
            pred_img = pred[0].plot()
            st.image(pred_img, caption="预测结果", use_column_width=True)

使用以下命令运行modelApp.py，通过streamlit页面进行使用

streamlit run modelApp.py

效果展示（显示了每个可能的手势对应的概率），比LetNet-5的准确率要高（对于非纯色背景的手势更友好，可以尝试拍自己手掌试一试）