【YOLOv8新玩法】姿态评估寻找链接切割点

前言

Hello大家好，今天给大家分享一下如何基于深度学习模型训练实现工件切割点位置预测，主要是通过对YOLOv8姿态评估模型在自定义的数据集上训练，生成一个工件切割分离点预测模型

01 制作数据集

本人从网络上随便找到了个工业工件，然后写代码合成了一些数据，总计数据有360张图像、其中336张作为训练集、24张作为验证集。

其中YOLOv的数据格式如下：

解释一下：

Class-index 表示对象类型索引，从0开始

02 模型训练

跟训练YOLOv8对象检测模型类似，直接运行下面的命令行即可：

yolo train model=yolov8n-pose.pt data=mul_lines_dataset.yaml epochs=15 imgsz=640 batch=1

03 模型导出预测

训练完成以后模型预测推理测试 使用下面的命令行：

yolo predict model=lines_pts_best.pt source=D:\bird_test\back1\2.png

导出模型为ONNX格式，使用下面命令行即可

yolo export model=lines_pts_best.pt format=onnx

04 部署推理

基于ONNX格式模型，采用ONNXRUNTIME推理结果如下：

ORT相关的推理演示代码如下：

作者：gloomyfish
文章来源：OpenCV学堂

推荐阅读

• 【连载】OpenAITriton MLIR 第二章 Batch GEMM benchmark
• OpenAITriton MLIR 第一章 Triton DSL
• OpenAI/Triton MLIR 第零章: 源码编译
• 大语言模型推理性能优化综述

更多嵌入式AI干货请关注嵌入式AI专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。