计算机视觉技术实战 课件 项目9 综合应用：火情识别算法研发及部署.pptx

项目9综合应用：火情识别算法研发及部署

教学目标能力目标使用YOLOv8训练D-Fire数据集，完成火情检测任务学会根据训练日志分析模型效果，并且进行算法调优掌握模型转换的意义，了解主流的推理框架学会使用ONNX、OpenVINO和TensorRT推理框架进行模型推理部署知识目标掌握目标检测算法研发、优化、应用解决实际问题的动手能力学会使用ONNX、OpenVINO、TensorRT框架进行模型推理了解深度学习算法开发流程，具备数据处理、算法训练、算法调优、模型转换、推理部署全流程开发的能力

工程目录图9-1是项目的主要文件和目录结构。其中utils目录主要为整个项目用到的工具模块，包括划分数据集、创建数据yaml文件、nms处理等；cfg目录下面为本项目使用到的配置文件，一般为yaml格式pretrained_models目录为本项目算法开发使用到的YOLOv8预训练模型；logs为算法训练过程中自动创建的目录，用于存放每次训练的日志和产生的模型；dataset目录下为D-Fire开源数据集经过YOLO格式转换后的数据，包括图片和标签文件；deploy目录为本项目重点内容，主要为算法模型转换和推理部署相关的代码文件。另外，train.py和predict.py分别为模型训练和推理的脚本文件。图9-1项目的主要文件和目录结构+--project9-1/|+--dataset/||+--dfiredataset/|||+--labels/||||+--test/||||+--train/||||+--val/|||+--images/||||+--test/||||+--train/||||+--val/|+--utils/||--data_utils.py||--create_yaml.py||--__init__.py||--split_data.py|+--pretrained_models/||--yolov8s.pt||--yolov8l.pt||--yolov8m.pt|+--logs/||+--train3/||+--train/||+--train2/|--predict.py|--train.py|+--deploy/||--onnxexport.py||--openvinoexport.py||--tensorrtexport.py||--yolov8runtimedeploy.py||+--onnxmodels/|||--yolov8m-best.pt|||--yolov8n-best.pt|||--yolov8s-best.pt||+--tensorrtmodels/|||--yolov8m-best.onnx|||--yolov8n-best.onnx|||--yolov8s-best.onnx||+--openvinomodels/|||--yolov8m-best.pt|||--yolov8n-best.pt|||--yolov8s-best.pt|||--yolov8n-best.onnx|||--yolov8s-best.onnx|||+--yolov8n-best_openvino_model/||||--yolov8n-best.xml||||--metadata.yaml||||--yolov8n-best.bin|||+--yolov8s-best_openvino_model/||||--metadata.yaml||||--yolov8s-best.xml||||--yolov8s-best.bin|+--cfg/||--fire_smok_detect.yaml||--yolov8.yaml

目录2推理框架及模型转换1火情识别模型训练3火情识别模型部署

目录2推理框架及模型转换3火情识别模型部署1火情识别模型