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

path:./apex_datasettrain:images/trainval:images/valtest:images/testnc:3names:0:allies1:enemy2:tag

五、环境依赖

pipinstallultralytics torch opencv-python

六、模型训练代码 train_apex.py

fromultralyticsimportYOLOdefmain():# 加载YOLO预训练权重，兼容YOLOv8、YOLOv11model=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

fromultralyticsimportYOLOimportcv2# 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()