YOLO

在给jupyter lab和pycharm配置yolov10环境时，先对yolo做了一个简单的认识。yolo是实时目标检测算法，而yolov10优化了检测精度和速度的平衡，还在模型结构，损失函数，训练策略等有创新。如：小目标检测，多类别密集目标检测等。它有四类核心库：1，PyTorch+TorchVision；2，ultralytics；3，OpenCv+Pillow；4,numpy,matplotib等其他库

yolo算法深入理解

前面提到yolo算法是一种目标检测的算法，那它主要包括训练和测试两个部分。训练的目的是利用训练集进行检测网络的参数学习。测试的目的是在经过训练后，评估检测网络性能的表现。

那要用yolo目标检测的，先要收集数据集，也就是收集打标图片。这里有几个收集数据集的方法，分别是使用以开源标记数据集，这是最简便的收集方法之一，但是这些数据库中的图像通常来自不同领域，可能无法满足特定研究的要求。第二个是爬取网络图像，就是通过网络搜索，下载，这样可以满足特定研究的需求，但是效率比较低。还有就是可以自己拍摄，这就可以满足特定场景的高质量数据。还可以使用数据增强生成数据集，当我们只有一个小数据集时，我们可以用增强方式就是几何变换，如反转，裁剪，旋转，平移等来增强数据集以训练更多数据。最后就是使用算法合成图像，如在图像中添加对象，更改背景或合成多个图像以创建新的图像。但合成图像可能会与现实场景不太一样，可能会影响模型的准确性。

收集好后就可以进行标注数据集，我主要学习了labelimg的标注。