Yolov8 Animeface

🚀 yolov8_animeface

使用YOLOv8進行動漫人臉檢測

本項目基於YOLOv8實現動漫人臉檢測，能在特定數據集上取得較好的檢測效果，且與基於yolov5的模型相比有一定優勢。

🚀 快速開始

本項目使用YOLOv8進行動漫人臉檢測，以下為你介紹其數據集、性能表現、使用示例等內容。

✨ 主要特性

• 精確檢測：在特定數據集上表現出色，預測結果準確。
• 性能穩定：在默認參數下，各項指標表現良好。
• 對比優勢：與基於yolov5的模型相比，在相同數據集和參數下，有更好的檢測指標。

📦 安裝指南

文檔未提及安裝步驟，暫不展示。

💻 使用示例

文檔未提供代碼示例，暫不展示。

📚 詳細文檔

數據集

數據集由從safebooru手動標註的10000張圖像組成。數據集劃分比例為：訓練集70%，驗證集20%，測試集10%。

性能

本模型基於yolov8x6，在上述數據集上以1280px * 1280px的尺寸訓練了300個epoch。在RTX A4000上訓練大約花費了110小時。

在我的數據集上，模型使用默認參數時表現特別好。

Images  Instances    Box(P        R      mAP50     mAP50-95):
1002       1562      0.957      0.924      0.955      0.534
Speed: 1.3ms preprocess, 81.9ms inference, 0.0ms loss, 0.8ms postprocess per image

雖然它的mAP50 - 95指標不是特別高，但在我測試的文件上，它的預測總是正確的。置信度可以更高，但模型非常精確。

模型在測試集上生成的混淆矩陣

模型在測試集上生成的PR曲線

其他指標可在./demo/val子文件夾中查看。

演示

手動標註	yolov8_animeface檢測結果

與現有模型的比較

雖然我們可以討論不同代模型之間的比較，但我認為將這個模型與基於yolov5的zymk9的模型進行比較是很有趣的。它們有相同的目的，並且以相同的方式進行訓練。

在相同數據集和相同參數（conf = 0.001 & iou = 0.6）下，yolov8x6 - animeface比基於yolov5x的模型產生更好的指標。

yolov8 - animeface:

Images  Instances    Box(P        R      mAP50     mAP50-95):
1002       1562      0.956      0.919      0.953      0.532
Speed: 1.2ms preprocess, 81.2ms inference, 0.0ms loss, 1.0ms postprocess per image

yolov5 - anime:

Images  Instances    Box(P        R      mAP50     mAP50-95):
1003       1566      0.778      0.685      0.633      0.232
Speed: 1.5ms pre - process, 85.5ms inference, 1.4ms NMS per image at shape (32, 3, 1280, 1280)

當圖像調整為640px時，yolov5 - anime會產生更好的結果，但在相同參數下，它仍然不如yolov8 - animeface。令人驚訝的是，yolov5比yolov8更有信心，但它也有更多的誤報。

Yolov8_animeface	Yolov5_anime

結論

雖然這個模型在我的數據集上表現很好，但我的指標可能與你的不同。後續可能會發布更輕量級的模型。

本模型基於YOLOv8，由Jocher, G., Chaurasia, A., & Qiu, J. (2023)開發。Ultralytics YOLO (Version 8.0.0) [計算機軟件]。https://github.com/ultralytics/ultralytics

🔧 技術細節

文檔未提供詳細技術實現細節，暫不展示。

📄 許可證

本項目採用AGPL - 3.0許可證。