Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集
Apex检测数据集   数据集详情 - 检测类别： allies enemy tag  - 图片总量：7247张 - 训练集：5139张 - 验证集：1425张 - 测试集：683张 - 标注状态：全部已标注，即拿即用 - 数据格式：支持YOLO格式及其他格式（ # Apex英雄目标检测数据集 ## 一、数据集信息表 | 项目 | 详细说明 | | ---- | ---- | | 数据集名称 | Apex英雄目标检测数据集 | | 图片总数量 | 7247 张 | | 数据集划分 | 训练集：5139 张验证集：1425 张测试集：683 张 | | 检测类别（共3类） | 0: allies（友方）1: enemy（敌方）2: tag（标记目标） | | 标注状态 | 全量完成标注，开箱即用 | | 数据格式 | 标准YOLO格式，同时兼容多种主流标注格式，可按需转换 | | 适用场景 | YOLO系列目标检测训练、游戏视觉识别、游戏AI开发、算法实训、计算机视觉毕业设计 | ## 二、核心标签 #Apex数据集 #Apex英雄 #目标检测 #YOLO数据集 #游戏视觉 #AI训练数据集 ## 三、数据集目录结构 ``` apex_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── apex.yaml ``` ## 四、数据集配置文件 apex.yaml ```yaml path: ./apex_dataset train: images/train val: images/val test: images/test nc: 3 names: 0: allies 1: enemy 2: tag ``` ## 五、环境依赖 ```bash pip install ultralytics torch opencv-python ``` ## 六、模型训练代码 train_apex.py ```python from ultralytics import YOLO def main(): # 加载YOLO预训练权重，兼容YOLOv8、YOLOv11 model = YOLO("yolov8s.pt") # 启动训练 train_res = model.train( data="./apex_dataset/apex.yaml", epochs=100, imgsz=640, batch=16, device=0, # 无GPU改为 device="cpu" workers=4, patience=15, project="runs/train", name="apex_detect", exist_ok=True, pretrained=True ) print("训练完成，权重存放路径：runs/train/apex_detect/weights") # 测试集评估 metrics = model.val(data="./apex_dataset/apex.yaml", split="test") print(f"mAP@50: {metrics.box.map50:.4f}") if __name__ == "__main__": main() ``` ## 七、推理测试代码 predict_apex.py ```python from ultralytics import YOLO import cv2 # 加载训练好的最优模型 model = YOLO("runs/train/apex_detect/weights/best.pt") if __name__ == "__main__": img_path = "test.jpg" # 执行检测并保存结果 results = model.predict(source=img_path, conf=0.25, iou=0.45, save=True) # 可视化画面 show_img = results[0].plot() cv2.imshow("Apex Detection", show_img) cv2.waitKey(0) cv2.destroyAllWindows() ```
)
