Yolov8 Animeface

🚀 yolov8_animeface

使用YOLOv8进行动漫人脸检测

本项目基于YOLOv8实现动漫人脸检测，能在特定数据集上取得较好的检测效果，且与基于yolov5的模型相比有一定优势。

🚀 快速开始

本项目使用YOLOv8进行动漫人脸检测，以下为你介绍其数据集、性能表现、使用示例等内容。

✨ 主要特性

• 精确检测：在特定数据集上表现出色，预测结果准确。
• 性能稳定：在默认参数下，各项指标表现良好。
• 对比优势：与基于yolov5的模型相比，在相同数据集和参数下，有更好的检测指标。

📦 安装指南

文档未提及安装步骤，暂不展示。

💻 使用示例

文档未提供代码示例，暂不展示。

📚 详细文档

数据集

数据集由从safebooru手动标注的10000张图像组成。数据集划分比例为：训练集70%，验证集20%，测试集10%。

性能

本模型基于yolov8x6，在上述数据集上以1280px * 1280px的尺寸训练了300个epoch。在RTX A4000上训练大约花费了110小时。

在我的数据集上，模型使用默认参数时表现特别好。

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

虽然它的mAP50 - 95指标不是特别高，但在我测试的文件上，它的预测总是正确的。置信度可以更高，但模型非常精确。

模型在测试集上生成的混淆矩阵

模型在测试集上生成的PR曲线

其他指标可在./demo/val子文件夹中查看。

演示

手动标注	yolov8_animeface检测结果

与现有模型的比较

虽然我们可以讨论不同代模型之间的比较，但我认为将这个模型与基于yolov5的zymk9的模型进行比较是很有趣的。它们有相同的目的，并且以相同的方式进行训练。

在相同数据集和相同参数（conf = 0.001 & iou = 0.6）下，yolov8x6 - animeface比基于yolov5x的模型产生更好的指标。

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)

当图像调整为640px时，yolov5 - anime会产生更好的结果，但在相同参数下，它仍然不如yolov8 - animeface。令人惊讶的是，yolov5比yolov8更有信心，但它也有更多的误报。

Yolov8_animeface	Yolov5_anime

结论

虽然这个模型在我的数据集上表现很好，但我的指标可能与你的不同。后续可能会发布更轻量级的模型。

本模型基于YOLOv8，由Jocher, G., Chaurasia, A., & Qiu, J. (2023)开发。Ultralytics YOLO (Version 8.0.0) [计算机软件]。https://github.com/ultralytics/ultralytics

🔧 技术细节

文档未提供详细技术实现细节，暂不展示。

📄 许可证

本项目采用AGPL - 3.0许可证。