# label-something

**Repository Path**: cly0216/label-something

## Basic Information

- **Project Name**: label-something
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-19
- **Last Updated**: 2026-01-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 1 准备项目和环境
```shell
git clone https://gitee.com/cly0216/label-something.git
cd label-something
conda create -n yolo python=3.10 -y
conda activate yolo
pip install -r requirements.txt
```
## 2 模型
模型权重下载地址
https://docs.ultralytics.com/zh/tasks/detect/#models
将模型当到weights目录下

## 3 预测
1. 一般使用
```shel
conda activate yolo
python yolo_predict.py --model yollo11x -s /path/or/file --device cuda:1
```

## 4 训练自己的模型
### 4.1 标签转换
数据集格式：
|--dataset_fir
   |--train
      |--imgaes
      |--labels
   |--val
      |--imgaes
      |--labels
注意：下面操作会覆盖原始标签
classes-old.txt：
        0    player team left
        1    player team right
        2    goalkeepers team left
        3    goalkeeper team right
        4    referee
        5    ball
        6    other
 classes-new.txt：
        0    person
        1    ball
```bash
python label_trans.py -d /path/to/dataset_dir --class_map 0:0,1:0,2:0,3:0,4:0,5:1,6:-1
```
### 4.2 编辑配置文件
```bash
vim data/ball_person.yaml
```
示例：
```yaml
path: /workspace/datasets/体育检测/snmot/snmot_v2.3-person
train: train
val: val
names:
  0: person
  1: ball
```
### 4.3 训练模型
查看空闲显卡
```bash
nvidia-smi
```
开始训练模型
```bash
conda activate yolo
python train_yolo.py --data data/ball_person.yaml --model yolo11x --name exp --device 0
```
### 4.4 保存模型权重
将训练结束提示的 best.pt 模型权重重命名，移动到 ./weights/ 路径下，然后就可以使用【3 预测】中的方式进行预测了。
如：
```bash
mv runs/train/xxx/weights/best.pt weights/yolo11x-ball_person.pt
python yolo_predict.py --model yolo11x-ball_person -s /path/or/file --device cuda:1
```