基础使用
YOLO 视觉目标检测模型，通过卷积网络完成训练后，能够实现对图像中目标的快速识别与定位。其核心逻辑并非逐像素分析相似度，而是借助卷积网络的特征提取能力，从图像中提取目标的深层特征（如轮廓、纹理），进而判断目标类别及具体位置，实现端到端的高效检测。
模型引入
在 Python 环境中，我们可以直接引入官方维护的ultralytics库快速使用 YOLO 系列模型。通过创建 YOLO 模型实例，库会自动下载对应版本的官方预训练权重，无需手动配置，即可快速开展模型训练、目标检测等任务。
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
//对图片进行目标检测
results = model(img_path)
//显示识别检测结果（类别，坐标，置信度）
results[0].show() 训练准备
由于 YOLO 提供了官方预训练权重，模型已经具备识别日常场景中简单的人和物品的能力。但如果要在特定的应用场景中使用，就必须对模型进行针对性训练。
训练的本质是：让卷积神经网络在我们提供的自定义数据集上，重新学习目标的特征规律，调整内部的权重参数，使模型能够精准识别我们指定的目标类别、位置与形态。
模型训练需要提前准备好划分好的训练集（train）、测试集（test）、验证集（val），并编写对应的 yaml 配置文件 告诉模型数据集路径、类别数量和类别名称。YOLO 模型采用图片与标注文件分离存放的标准结构，整体文件布局如下：
dataset/ # 数据集根目录（自定义名称）
├── images/ # 存放所有图片文件
│ ├── train/ # 训练集图片（.jpg/.png）
│ ├── val/ # 验证集图片（训练中评估精度）
│ └── test/ # 测试集图片（最终模型测试）
├── labels/ # 存放标注文件（与图片一一对应）
│ ├── train/ # 训练集标注（.txt 格式）
│ ├── val/ # 验证集标注
│ └── test/ # 测试集标注
└── data.yaml # 数据集配置文件在完成数据集划分后，需要对图片中的目标进行标注，为模型提供学习依据。LabelImg 是 YOLO 模型最常用的开源标注工具，支持直接输出模型训练所需的标准标注格式。通过该工具按下W键框选出图片中的目标并指定类别后，工具会自动生成与图片同名的 .txt 标注文件，并严格匹配 YOLO 格式要求，无需手动转换，直接满足训练需求。
完成图片标注后，所有图像和 .txt 标签已一一对应。为了快速、随机地将数据按比例划分为训练集、验证集、测试集，我们可以编写 Python 脚本自动完成文件复制与分类，避免手动操作的误差。
import os
import random
import shutil
# 1. 配置路径与划分比例
image_dir = 'images' # 原始图片存放目录
label_dir = 'labels' # 原始标签存放目录
output_root = "datasets" # 输出数据集根目录
split_ratio = [0.8, 0.1, 0.1] # 训练集:验证集:测试集 = 8:1:1
image_exts = ('.jpg','.jpeg','.png','.bmp') # 支持的图片格式
# 数据集类型
sets = ['train','val','test']
# 2. 创建输出文件夹结构
for setname in sets:
img_dest = os.path.join(output_root, setname, "images")
label_dest = os.path.join(output_root, setname, "labels")
os.makedirs(img_dest, exist_ok=True)
os.makedirs(label_dest, exist_ok=True)
# 3. 读取并打乱所有图片文件
image_files = [f for f in os.listdir(image_dir) if f.endswith(image_exts)]
random.shuffle(image_files) # 随机打乱，保证数据分布均匀
total = len(image_files)
print(f"发现 {total} 个图像文件")
# 4. 计算各数据集数量
train_num = int(total * split_ratio[0])
val_num = int(total * split_ratio[1])
test_num = total - train_num - val_num
print(f"划分结果: 训练集 {train_num} 个，验证集 {val_num} 个，测试集 {test_num} 个")
# 5. 复制文件到对应目录
for idx, img_name in enumerate(image_files):
# 判断当前图片属于哪个集合
if idx < train_num:
set_name = "train"
elif idx < train_num + val_num:
set_name = "val"
else:
set_name = "test"
# 复制图片
src_img = os.path.join(image_dir, img_name)
dest_img = os.path.join(output_root, set_name, "images", img_name)
shutil.copy2(src_img, dest_img)
# 复制对应的标签文件
label_name = os.path.splitext(img_name)[0] + '.txt'
src_label = os.path.join(label_dir, label_name)
if os.path.exists(src_label):
dest_label = os.path.join(output_root, set_name, "labels", label_name)
shutil.copyfile(src_label, dest_label)
else:
print(f"警告：{label_name} 标签文件缺失，跳过复制！")
print("数据集划分完成！结果存储在 ./datasets 目录")生成目录结构如下
datasets/
├── train/
│ ├── images/ # 训练集图片
│ └── labels/ # 训练集标签
├── val/
│ ├── images/ # 验证集图片
│ └── labels/ # 验证集标签
└── test/
├── images/ # 测试集图片
└── labels/ # 测试集标签数据集划分完成后，需要编写 YAML 配置文件，让 YOLO 模型能够正确读取数据。该文件的核心作用是告诉模型数据集的存储路径、需要检测的目标类别总数，以及与标注时完全一致的类别名称，确保模型训练时能够正确匹配标签。
path: ./datasets
train: train/images
val: val/images
test: test/images
nc: 3
names: ['类别名1',"类别名2","类别名3"]模型训练
数据集与配置文件准备完毕后，即可通过 Python 脚本启动模型训练。我们加载官方预训练模型，传入数据集配置文件与训练参数，模型会自动开始迭代学习。训练过程中，卷积网络会不断优化权重，最终输出适用于自定义场景的检测模型。
import os
import yaml
from ultralytics import YOLO
def main():
# 项目根目录
project_dir = "."
# 数据集配置文件路径
data_config_path = os.path.join(project_dir, "data.yaml")
# 加载 YOLO11 预训练模型
model = YOLO("yolo11n.pt")
# 训练参数配置
train_params = {
"data": data_config_path, # 数据集配置文件
"epochs": 13, # 训练迭代轮数
"batch": 10, # 每次训练的批次大小
"imgsz": 640, # 输入图像尺寸
"device": "cpu" # 使用 CPU 训练（有 GPU 可改为 0）
}
# 启动训练
results = model.train(**train_params)
if __name__ == '__main__':
main()训练完成后，程序会自动生成 runs 目录，训练相关日志、参数与模型权重均保存在该目录下。在训练生成的 exp 文件夹中，会产生 best.pt 与 last.pt 两个权重文件。其中 best.pt 是训练过程中精度表现最优的模型权重，last.pt 为最后一轮迭代保存的权重，实际项目部署与检测应用中，通常优先选用 best.pt 最优模型。
模型评测
训练完成并获得最优模型 best.pt 后，即可将模型用于实际的目标检测任务。通过编写推理脚本，加载训练好的权重文件，对单张图片进行分析。模型会自动识别图像中的目标，输出目标类别、置信度、边界框坐标，并生成带标注的可视化结果图，同时在窗口中实时展示检测效果。
import cv2
import os
from ultralytics import YOLO
def test_png():
model_path = "./weights/bch.pt"
image_path = "./images/4.png"
output_dir = "./runs/test_png"
os.makedirs(output_dir, exist_ok=True)
if not os.path.exists(image_path):
raise FileNotFoundError(f"图片不存在 {os.path.abspath(image_path)}")
if not os.path.exists(model_path):
raise FileNotFoundError(f"模型不存在 {os.path.abspath(model_path)}")
model = YOLO(model_path)
print(f"模型加载成功： {os.path.abspath(model_path)}")
detector_params = {
"conf": 0.5,
"iou": 0.45,
"device": "cpu",
}
print(f"\n正在检测图片： {os.path.abspath(image_path)}")
result = model(image_path, **detector_params)
for result in result:
img_name = os.path.basename(image_path)
output_path = os.path.join(output_dir, f"detected_{img_name}")
result.save(output_path)
annotated_img = result.plot(
labels = True,
conf = True,
line_width = 2,
)
display_img = annotated_img
cv2.imshow("result", display_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
boxes = result.boxes
print(f"\n图片中检测到{len(boxes)}个目标")
for i , box in enumerate(boxes):
cls_id = int(box.cls[0])
cls_name = model.names[cls_id]
conf = float(box.conf[0])
xyxy = box.xyxy[0].tolist()
print(f"目标{i+1}")
print(f"类别：{cls_name}")
print(f"置信度：{conf:.2f} ({conf*100:.2f}%)")
print(f"\n标注结果已保存至：{os.path.abspath(output_path)}")
print("\n检测完成")
if __name__ == '__main__':
test_png()
除了对单张图片进行检测外，我们还可以利用训练好的模型，对 ** 整个测试集（test set）** 进行批量自动化评估。通过读取 data.yaml 配置文件，模型自动加载测试集中的所有图片，批量完成目标检测。
该过程不仅会输出精确率、召回率、mAP等量化指标，还会自动保存所有图片的检测标注结果，实现对模型整体性能的全面统计与评估。同时也可批量对大量图片进行自动推理，统计各类目标的检测数量、识别准确率、目标分布情况等数据，实现规模化图像智能分析与数据统计。
import os
import yaml
from ultralytics import YOLO
def test_sets():
# 1. 配置路径
project_root = "." # 项目根目录
model_path = os.path.join(project_root, "weights", 'bch.pt') # 最优模型
data_config_path = os.path.join(project_root, 'data.yaml') # 数据集配置
result_save_path = os.path.join(project_root, 'runs', 'test_sets') # 结果保存
# 创建结果保存文件夹
os.makedirs(result_save_path, exist_ok=True)
# 2. 读取配置，获取测试集路径
with open(data_config_path, 'r', encoding='utf-8') as f:
data_config = yaml.safe_load(f)
# 自动拼接测试集图片路径
test_dir = os.path.join(data_config.get('path', '.'), data_config.get('test', "test/images"))
print(f"测试集实际路径：{test_dir}")
if not os.path.exists(test_dir):
raise FileNotFoundError(f"测试集不存在：{test_dir}")
# 3. 加载训练好的模型
if not os.path.exists(model_path):
raise FileNotFoundError(f"模型不存在：{model_path}")
model = YOLO(model_path)
print(f"模型加载完成：{model_path}")
# 4. 批量评估参数配置
val_params = {
"data": data_config_path, # 数据集配置
"split": "val", # 评估集：val 验证集 / test 测试集
"device": "cpu", # 使用 CPU
"save": True, # 保存检测后的图片
"save_dir": result_save_path,# 结果保存目录
"plots": True, # 生成评估曲线
"verbose": True, # 打印详细日志
}
# 5. 启动批量评估
metrics = model.val(**val_params)
print("测试集批量评估完成！")
if __name__ == '__main__':
test_sets()训练完成后，模型会自动生成一系列评估文件，帮助我们从量化与直观两个维度判断模型性能。性能指标曲线包括精确率、召回率、PR 曲线与 F1 分数曲线，清晰反映模型在不同置信度下的检测能力；混淆矩阵则能帮助我们定位类别识别中的混淆问题。同时，模型会输出验证集的真实标注图与预测结果对比图，直观展示模型对图像目标的检测效果，为后续参数调整与数据优化提供明确依据。
核心曲线文件
混淆矩阵文件
YOLO卷积网络优化
YOLOv11-GSF
YOLO 模型常用专业术语通俗解释
1. 鲁棒性
含义：模型在复杂、干扰、未知场景下依旧能稳定准确检测的能力。
通俗理解：
光线变暗、遮挡目标、背景杂乱、拍摄角度变化、图片模糊时，模型不误检、不漏检，依然能正常识别，就叫鲁棒性强。
举例：白天训练的模型，晚上暗光下也能准确识别人物，说明鲁棒性好。
2. 预训练权重
官方在大型通用数据集上提前训练好的模型参数，不用从零开始训练，拿来迁移学习微调即可，收敛更快、精度更高。
3. 微调训练
基于预训练权重，在自己的小众自定义数据集上继续训练，让模型学会识别专属类别，不用从头训练卷积网络。
4. 卷积神经网络 CNN
依靠卷积层提取图像特征（边缘、纹理、轮廓、深层语义特征），是 YOLO 模型的主干特征提取网络。
5. 特征提取
卷积网络逐层从图片里提取：浅层（线条、边缘）→中层（局部轮廓）→深层（目标整体形态、语义），让模型看懂物体是什么。
6. 边界框 Bounding Box
模型预测出的矩形框，框出图片中目标所在的位置。
7. 置信度 Confidence
模型预测结果的可信程度，取值 0～1。
比如置信度 0.85，代表模型有 85% 的把握认为这个目标是某类别。
设置conf=0.5，只保留可信度 50% 以上的检测结果。
8. 交并比 IOU / NMS
- IOU：两个框（预测框和真实框）重叠面积的比值；
- NMS 非极大值抑制：去掉同一目标重复多出的检测框，保留置信度最高的一个。
9. 精确率 Precision
预测出来的目标里，真正正确的比例，衡量模型误检多不多。
10. 召回率 Recall
所有真实目标中，被模型成功找出来的比例，衡量模型漏检多不多。
11. F1 分数
精确率和召回率的综合平均值，用来平衡误检和漏检，分数越高模型综合表现越好。
12. mAP 平均精度
目标检测核心评价指标，综合所有类别的识别精度，数值越接近 1，模型整体性能越强。
13. 过拟合
模型在训练集表现极好，但在验证集、测试集表现很差；只会死记训练图片，泛化能力差，陌生图片识别效果差。
14. 泛化能力
模型在从未见过的新图片、新场景上，依然能准确检测的能力，和鲁棒性高度相关。
15. 迭代 Epochs
训练轮数，每一轮 epoch 都会把整个数据集完整学习一遍，轮数适中模型收敛最佳。
16. Batch 批次
一次送入模型同时训练的图片数量，由电脑显存配置决定大小。
17. 归一化
把图片坐标、尺寸数值压缩到 0～1 之间，统一输入格式，方便卷积网络计算收敛。
18. 前向传播 / 反向传播
- 前向传播：图片输入网络，模型给出预测结果；
- 反向传播：计算预测和真实标签的误差，自动调整网络权重，让模型越来越准。
19. 权重参数
卷积网络里可学习的数值，训练过程就是不断更新权重，让模型学会目标特征。
20. 混淆矩阵
直观统计：每一类目标被正确识别、被错分成其他类的数量，用来分析类别混淆、识别错误原因。
21.模型后缀
1. 字母含义（尺寸从小到大）
- n = Nano：极小、最轻量
- s = Small：小型、轻量均衡
- m = Medium：中型、平衡精度/速度
- l = Large：大型、高精度
- x = Extra Large：超大、最高精度
2. 核心区别（一眼看懂）
YOLOv8 典型对比（输入 640）
| 模型 | 参数量 | 计算量GFLOPs | COCO AP | 速度(CPU) | 适合场景 |
|---|---|---|---|---|---|
| n | ~1.9M | 8.7 | ~37% | 最快 | 手机、树莓派、低功耗边缘 |
| s | ~3.4M | 25.4 | ~44% | 很快 | 嵌入式、摄像头、实时检测 |
| m | ~7.7M | 70.0 | ~50% | 中等 | PC、边缘GPU、通用场景 |
| l | ~16.2M | 162.0 | ~54% | 较慢 | 服务器、高精准需求 |
| x | ~32.5M | 317.0 | ~57% | 最慢 | 云端、极致精度 |
- 规律：n → x，越来越大、越来越准、越来越慢、显存占用越来越高。
3. 结构上的本质差异
同一系列（如 YOLOv8）的 n/s/m/l/x 主干/Neck/Head 架构完全一样，只是：
- 宽度缩放：卷积通道数依次变多
- 深度缩放：卷积层数量依次变多
- 结果：参数 & 计算量逐级上升。
