作品笔记 · Goh Kun Ming
YOLO Leaf Object Detection Pipeline
AI · 公开项目
2026年7月
项目概述
用于叶片检测的数据集准备与验证；数据准备完成并不能证明训练后的检测器性能。
一个可复现的叶片检测工作流，结合 PlantVillage、PlantDoc 和生成的困难负样本。它准备和验证数据、配置 YOLO 训练，并提供导出和浏览器推理接口。代码库中未提交足以证明检测精度、延迟或生产就绪性的训练权重或留出评估结果。
作品详情
- 将 57,164 张图像和 63,225 个边界框确定性地划分为训练、验证和测试集。
- 将 Pascal VOC 标注转换为归一化 YOLO 坐标。
- 为不同来源的数据集生成不易发生命名冲突的文件名。
- 在训练前验证图像—标签配对、类别编号、坐标和数据划分泄漏。
- 配置三个 YOLO 候选模型、有限规模的训练冒烟测试流程和 ONNX 导出接口。
- 将数据集工具测试与外部数据准备和 GPU 训练分开。