YOLOv12 Schulungs- und Einsatzmöglichkeiten
YOLOv12 bietet einen kompletten Modellentwicklungs-Workflow, der ein durchgängiges Training mit benutzerdefinierten Datensätzen unterstützt. Das System setzt voraus, dass die Datensätze dem YOLO-Standardformat entsprechen, Bilder und Beschriftungen in einer Verzeichnisstruktur enthalten und Datenpfade und Kategorieinformationen über die Datei data.yaml konfiguriert werden. Ein typischer Trainingsprozess umfasst mehr als 250 Epochen von Iterationen, und die Größe des Eingabebildes beträgt standardmäßig 640×640 Pixel, wobei alle diese Parameter entsprechend den tatsächlichen Bedürfnissen angepasst werden können.
Im Hinblick auf die Modellbereitstellung unterstützt YOLOv12 den Export in zwei gängige Inferenzformate, ONNX und TensorRT, und bietet eine FP16 Semi-Precision-Exportoption speziell für Edge-Computing-Geräte, was die Recheneffizienz der Bereitstellungsumgebung erheblich verbessern kann. Das Projekt verfügt auch über ein eingebautes Toolkit zur Visualisierung der Überwachung, das es den Entwicklern erleichtert, die dynamischen Änderungen der Verlustkurven und der Metriken des Validierungssatzes während des Trainingsprozesses zu überwachen und die Vorhersageergebnisse visuell zu präsentieren. Dieses komplette Entwicklungs-Ökosystem macht die Transformation von YOLOv12 vom Experiment zur Produktion effizient und zuverlässig.
Diese Antwort stammt aus dem ArtikelYOLOv12: ein Open-Source-Tool für die Echtzeit-Erkennung von Bild- und VideozielenDie
