2023年总第8期
目录
CONTENTS
01
02
03
04
05
06
金秋九月,收获季也是播种季
开启2023职业规划之旅
“知”入“嘉”境,再创知识产权“嘉”绩
公司受邀参加克拉玛依展会
基于YOLOv8分割模型实现垃圾识别
换季护肤这样做
为奋斗者提供成长的平台
第08期
金秋九月,是收获季也是播种季节
作者:吴新涛
春耕秋收,进入九月,远处蔚蓝天空下涌动着,金色的麦浪。对我们嘉洋科技来说,九月份同样也到了收获的季节。
一、销售:
从对公司最重要的销售来说,公司前八个月新签合同才4238万,但是我们年度计划中的接近70%以上的合同,在九月陆续开始招投标。这个也是销售团队成长的代价,按照石油石化行业的正常状况,大多数合同应该在二季度完成招投标,三季度应该开始实施,年底前完成验收。但是只要把这些合同锁定签下来,公司就有足够的工作量,体现出持续的销售和增长。
二、研发:
从研发层面上,公司的明星产品-视频智能分析,基本做到了支持公司售前和在项目落地的初步标准化。今年视频分析团队支持的售前项目一度超过40个。行业层面说明AI智能识别已经被广泛接受,有强大的需求。客户层面,说明公司视频智能分析这两年积累的品牌和技术实力已经被石油石化行业客户认同,无论是我们自己销售团队直接推广,还是华为等伙伴介绍,客户在产品和技术层面已经接受我们,只不过需要销售从商务层面进一步转化成合同落地。
另一个公司给予厚望的产品-设备健康(设备完整性、场站的智能化),无论从硬件的选型,还是软件平台的开发,也完成了产品的标准化。我们在中石化胜利工程公司完成了中国国内严格意义上的第一台压裂车设备健康管理;在新疆油田螺杆泵压缩机项目,经过一年的
为奋斗者提供成长的平台
第08期
同时在场站智能化方面,产品也在不断提升标准化程度,在我们现有视频分析和设备健康的基础上,增加了能流分析、管道防泄漏、阴极保护、定位、巡检等功能,在西北局五号联、六号联两个场站马上就可以落地,同时也为国家管网和中石化胜利等场站开拓市场提供了有利的支持,未来几年,场站(油气集输场站和炼油化工厂)智能化业务一定是公司销售收入的主要贡献者。
安全信息化方面,吸取过往经验,对于电子作业票等过去有完成项目,现在还在继续开拓市场的产品,公司也开始标准化开发,目前开发基本完成大半。
三、交付运维:
严格讲,交付是目前还是我们团队的弱项,无论是从个人单兵作战能力还是公司战术层面的流程管理,远远没有到收获的季节。不比大公司,就和同等规模公司相比,我们还存在着很大差距,即使是我们目前认为还不错的咨询产线。其实也好理解,我们的咨询事业部也就是十多个人,承担这两三千万的工作量,而且除了外聘专家,基本上一群年轻的小伙伴在前线厮杀,做到这个程度已经非常OK了。从咨询事业部的角度,就算再给他们配上行政人事财务等职能部门,如果只做咨询,其实也就是一个二十多人的小公司。可能我的要求偏高,认为至少从流程上应该有进一步优化的空间,且不说知识库和未来产品方向的研究,那应该归于产品研发。
为奋斗者提供成长的平台
第08期
不断完善,也做到产品的标准化。在有容知日新和博华科技这样的先发竞对的高压下,完成了差异化的产品研发,既可以用我们独有的产品压裂车和螺杆泵去尽快抢占现有市场;在往复式压缩机这样需要深入研发的领域,我们也可以联合博华作为合作伙伴,共同开拓市场。
为奋斗者提供成长的平台
但是我们的智能化三条产线合并起来,研发加交付已经不是一个小团队了。除了目前视频智能分析的交付可以应付过去,但是也没有一个很标准化的完整高效流程,依然还在摸索优化。其余两个产线,设备健康严格讲,还没有真正上过战场,打过大型战役;安全信息化,目前的交付非常吃力,问题多多。
四、上市、融资:
还有一个很重要的,也是很多同事关心的,就是公司的上市进程。我在钉钉同事圈里给大家分享了一些基本知识,大家可以对上市进程有个初步的了解。经过大半年的准备,我们即将在十月份挂牌新三板,万里长征终于走出了第一步。尽管是新三板,但是也是非常重要的一步,毕竟挂牌之后,大家都知道你的目标至少是北交所,要么是创业板和科创板了。
另外,如果我们怀揣更高梦想,不上北交所,奔着科创板或者创业板,我们就要从现在开始储备足够的现金,毕竟IPO过程有太多不可预见的事情,但是确定的一件,是你在这个过程中是不可能再融资了。所以我们现在也开始接触有实力的创投,注意,是有实力,我们目前只挑选央企和政府的资金。央企的产业资本优先,社会机构的风险资金不考虑,因为看中的是这些央企背后的市场。目前我们也在和一家央企创投进入深度谈判之中,十月份应该会有结果。
以上所有的事情都需要有人来负责落地。公司规模在不断增长,团队数量也同样在扩充,今年社招新员工38人,新进大学毕业生20名。这批新鲜血液,是推动我们未来发展的生力军。公司发展如何?团队永远是最重要最关键的。
为什么说也是播种季呢?
一、首先是销售:
第08期
都说一年之计在于春,其实对我们做石油石化这些央企大客户来说,秋天才是真正的播种季。从现在开始到年底,都是储备明年项目的最关键时刻。中石化从九月15号开始,各局级单位陆续和发展计划部对接投资计划。这些投资计划当中的项目有多少是我们上报的?有多少是客户计划想做,但是目前没有指定供应商,在这几个月内我们还有机会努力和客户沟通争取到的?所以销售团队到年底这几个月,不仅仅是为了完成今年的计划冲刺,同时为了明年的收成,一样要拼。今年不努力,明年徒伤悲。今天不垒窝,明天冻死的就是丫这个只知道多罗罗的寒号鸟。不过放心,我们各分公司负责人都是老喜鹊,对这个规则太熟悉了。
另外,因为今年开发了很多新客户,从传统的油气田客户发展到炼化和销售板块,我们也在大力招聘成熟的销售人员,同时进行销售区域的规划和调整。所以到年底之前,也是我们销售团队建设的一个重要阶段,新来的同事如何可以快速进入角色,熟悉公司产品和客户,在这短短的四个月内能给明年储备好相关项目。这些都是提前播种,为明年这些项目线索可以尽快落地,尽早收获。
二、研发:
尽管我们几条产线的研发都有很大进展,但是目前产品的问题大家也都清楚。如果我们的产品不能高度标准化,如果产品目前的性能不能够真正达到客户的预期(不是通过商务的努力达到验收就完了),更重要的是随着我们项目的逐渐增多,交付和运维的难度肯定会大大增加。在公司新员工单兵作战能力还不足够强的时候,别说一些新同事承受不住压力,出师未捷身先死,我们的老员工会不会也追随有一些扛不住客户和公司的高压主动离职的前同事?产品不稳定,标准化达不到预期,后期运维再跟不上,销售和项目经理能力再强,也会累的半死,背地里问候相关人员全家老小。
为奋斗者提供成长的平台
第08期
为奋斗者提供成长的平台
现在不管销售个人能力有多强,公司关系实力多雄厚,这个大环境下,没有一个高度竞争力的产品,谁都做不大。这就是为什么我们视频分析产品尽管目前还过得去,但是我们继续和大连理工大学联合投入研发,提升目前主要算法的精度,同时开发大模型。就是为了让现有的所有客户的项目可以稳定的额达到需求,让新客户不需要在等待三到六个月的训练学习,而是完全想手机终端那样轻量化标准化,这样才可以适应越来越多的不同类型的客户,除了我们的直接客户,还有浙江中控、清云智通这样的集成伙伴,让别人拿去就可以用,部署上就达到预期效果。
另外设备健康产线也在不断完善设备完整性和场站智能化产品,除了集成,自研部分包括设备完整性平台、能流分析等,最近还在就大数据仿真和国外厂商谈代理,同时进行自研,这些都是为了更大项目的储备。今年西北局五号联、六号联的项目四季度可以顺利实施,未来我们的场站智能化项目就有一个标准的样板工程。胜利油田的场站智能化,预计先在我们做过视频分析的胜利采油厂坨二站落地,同样也是一个标杆项目,为明年胜利油田乃至中石化各油气田场站智能化项目的全面落地打下了最坚实的基础。为什么?我们目前销售团队实力还过得去,最缺的就是这个产品的业绩和样板工程。这两个都有,客户可以随时考察,而且在中石化最大两家油田都可以应用,在其他油田完全可以标准化复制。我们年底之前要在新疆油田完成设备完整性项目基础课题研究,借助这个项目规划,可以为明后两年新疆油田储备三千万以上的设备完整性实施项目。更重要的是,新疆油田既然没有整体规划,就意味着其他油田乃至中石油目前还没有设备完整性的推广,但是另一边中石化已经做的差不多。意味着什么?以为着新疆油田设备完整性的标杆项目完全可以在中石油其他项目复制,这至少都是千万记得项目。国家管网江西输油公司三千万的项目已经立项上报,如果这个做成示范,我们可以进一步在国家管网推广场站
第08期
智能化。同时焦炉的大数据仿真也可以和我们的视频分析、设备健康、电子作业票、承包商管理同时推向炼油化工行业,进一步丰富我们的场站智能化。
所以看是明年会有很多千万级的大项目,但是前提条件是什么?是我们的产品能达到售前的要求,可以让售前配合销售很自信的在客户面前推介,是我们的交付和运维团队可以按照标准化流程,轻松地在合同期内完美的实现验收。所以今年剩下的几个月,我们的研发团队任务非常重,一定要在年底之前,把目前大家重点开发的项目完成产品的标准化,保证明年售前、交付以及运维能力大大提升。只有这样,我们才可以真正提升人均效率。目前的人均产出和毛利率和同行相比,都抬不起头来。原因何在?产品不成熟不系统和没有标准化绝对是最重要的原因之一。
三、交付:
不好意思,这个我只能提要求,因为我确实不懂,以我的认知,目前能想到的办法就是有更多高水平的工程师加入团队,希望大家共同研究出更好的流程,同时结合个人能力提升公司整体水平。别的也提不出好的建议,不像研发,好歹我还可以提出一个指导方向来。
运维之前我们涉及不多,但是随着很多项目的完成,运维的问题也逐渐凸显出来,这个是需要我们高度重视的,毕竟客户的满意度是我们是否可以进一步挖掘机会的前提,所以这个问题是不是应该在年前几个月提前考虑?
四、其余的很多事情,在四季度也都是为明年做准备。
比如说我们上市挂牌后,就必须严格按照上市公司的方方面面严格要求自己,很多事情都需要披露,很多事情之前说尽量不要这样做,挂牌后就是一定不能这样做了。还有我们的融资,这是一个长期过程,需要不断的和创投接触,沟通,但四季度是最佳时机,因为今年的估值是按照今年的收入和利润预期,而这个基本上已经很清楚,成功率比年初预测年底利润可信度大很多。
为奋斗者提供成长的平台
第08期
还有我们新进的这些新同事,如何快速融入公司?四季度是20名大学生师傅带徒弟的一个关键阶段,他们还有老人带。社招的新员工,对于公司的文化、价值观和运行系统,谁来培训他们?这都是四季度一定要解决的问题。
总之,年底前这四个月是我们2023年最关键的四个月,能否漂亮的收官,并且为明年高开高走打好基础,就在于我们大家这四个月最后的冲刺。加油吧,艾瑞巴蒂,我们在疫情这么困难的三年都能保持高增长,现在一切正常了,那我们还不应该飞起来?!
为奋斗者提供成长的平台
第08期
开启2023职业规划之旅
嘉洋科技应届毕业生启动会成功举办
供稿人:周月
嘉洋智慧安全科技(北京)股份有限公司行政人事部及市场部联合主办的《嘉洋科技·2023应届毕业生职业规划启动会》在2023年9月6日、7日成功举办。此次会议旨在帮助各位优秀应届毕业生快速适应并融入工作环境,为大家铺筑一条平坦的职业发展之路。为了满足公司的快速发展需求,我们着眼于打造一支高素质、高效率、高执行力的新生团队,为公司的未来发展注入新的活力和动力。
6日下午14:00,熟悉的旋律”我们都是追梦人”飘荡在耳边,首先,由吴总发言致辞,拉开了“2023年应届生职业发展培养规划启动会”的序幕。吴总提到,去年的应届毕业生如今已经成为了师傅,在去年的工作中取得了显著的成绩。现如今,这些年轻的师傅们面临着一个新的挑战,即是否能够成功地培养出值得信赖的徒弟。吴总对此充满信心,毕竟这些新师傅们背后有着他们自己的师傅的支持,形成了一个紧密的师徒关系。作为一个快速成长的公司,嘉洋的成功离不开师傅们尽职尽责的执着付出。他们将引领着他们的徒弟们迅速适应职场,并期望大家能够珍惜这个宝贵的机会。
为奋斗者提供成长的平台
第08期
其次,主持人宣读师徒名单,播放拜师视频,在视频中,去年的应届毕业生已经褪去了青涩的外衣,为自己今年的徒弟送去了诚挚的祝福,行政人事部顾问朴经理给大家讲解“2023年应届生职业发展培养规划”的说明和介绍,详细讲解了okr(objective,key results)制定目标,分解目标,实现目标。最终将根据各团队所取得的成果,选出三支卓越的团队,并按顺序予以奖励。
应届生对于对师徒培养计划发表了自己的看法。胡旭认为,职场中师徒制度的教诲和指导将成为职业生涯中的明灯。初入职场的王成林担心自己难以处理好与同事和领导的关系,但通过师傅的充分支持和信任,他逐渐适应并进步。陈旭涛也在初入职场时遇到了困难,无法顺利完成从校园到职场的角色转变,但通过师徒计划的指导,他成功地适应了职场环境并提升了自己的技能水平。
在最后的企业文化培训中,吴总指出,企业文化会在工作中潜移默化地影响着我们。油田人的特点是“走正道”,这为我们公司确定了一个明确的方向。通过对石油行业的发展现状、发展历程、公司使命和价值观的分析,我们为未来的发展奠定了坚实的基础。我们为那些奋斗的人
为奋斗者提供成长的平台
第08期
为奋斗者提供成长的平台
提供了一个成长的平台。吴总以宋骐飞为例,他现任视频分析事业部总经理兼项目管理部部门经理。他从毕业后加入公司开始,不畏艰辛,敢于担当,能够及时提出建议。他从领导一个小团队成长为项目经理,真正地依附于公司提供的平台,并通过自己的努力获得了成功。他的经历值得我们大家学习。
7日下午14:00,由行政人事部阚云经理进行《员工手册》规章制度培训,加强2023应届毕业新入职员工对公司的进一步了解,强调了考勤、日报、报销、出差等要点及相关流程。接着,朴经理从“对角色转换的认识”、“认识企业的本质”、“企业对新职位人的期待”、“职业素养的培养”四个方面,为大家提供了从学生身份切换到职场人身份的建议。
启动会已经结束,一个新的篇章在每一位应届毕业生的面前展开。每个人的努力、汗水和投入的时间都在这幅画卷上勾勒出独特的风景。现在,我们站在了一个新的起点上,面对无限的可能性和挑战,希望大家敞开心扉,毫不畏惧的面对每一个机遇,体验未知和变化带给我们的精彩人生。我们都相信,每一次努力都会为你的职业生涯增添一份光彩。
库尔勒
东营
成都
第08期
“知”入“嘉”境,再创知识产权“嘉”绩
供稿人:陈瑶
近年来,公司逐渐增加研发投入,组建及优化研发团队,并发布了知识产权相关激励措施,激发了研发团队的积极性,推动了公司研发的成果性转化。2022年来,已获有效专利9项,软著84项,合计递交专利22项。值得一提的是,在2023年6月至今,公司连续获得8项发明专利的授权,实现了知识产权数量的突破,也代表着公司的知识产权储备进入了增长阶段。
目前,公司的多条产品线均在知识产权申请及知识成果转化方面进行发力,视频智能分析产品线及设备健康管理产品线的新获专利代表了知识产权管理机构对于算法及模型的认可,而安全信息化产品的软著数量也标示着软件产品的成熟和标准化。
今后,公司会继续加大研发投入,加强知识产权政策激励,加快知识产权申请、储备及成果转化,增强公司的核心竞争力。再接再励,“知”入“嘉”境,再创“嘉”绩。
为奋斗者提供成长的平台
第08期
为奋斗者提供成长的平台
2023年以来新增发明专利和软著证书如下:
- 发明专利1-火灾检测方法、装置、设备、存储介质及程序产品
- 发明专利2-螺杆压缩机故障检测方法、装置、设备、介质和程序产品
- 发明专利3-目标检测方法、装置、设备、介质及产品
- 发明专利4-目标图像的检测、目标对象检测模型的生成办法
- 发明专利5-图像处理方法、装置、设备、介质及产品
- 发明专利6-一种检测目标对象移动速度的方法、装置及电子设备
- 发明专利7-一种确定目标对象安装位置的方法、装置、设备及介质
- 发明专利8-异常行为的检测方法、装置、设备及计算机存储介质
- 软件著作权1-智能违章识别系统APP端平台V2.0
- 软件著作权2-智能违章识别系统PC端平台V2.0
第08期
嘉洋科技受邀参展
克拉玛依国际石油天然气及石化技术装备展
供稿:市场部
嘉洋科技再次闪耀舞台,参加了第六届克拉玛依国际石油天然气及石化技术装备展,该展于9月8日至10日举办,历时三天。该展会已成为中国西部地区规格最高、门类最全、范围最广的石油石化行业展会,更是中北亚地区重要的国际性行业盛会之一。
展会上,嘉洋科技设备健康事业部副总经理深入展示了领先的关键设备在线监测和故障诊断技术解决方案,包括压裂车在线监测与智能运维系统和螺杆压缩机在线监测与故障诊断系统。
为奋斗者提供成长的平台
第08期
此次展览吸引了众多高层和行业专业人士的广泛关注,各路重要嘉宾亲临嘉洋科技展台,与公司代表深入互动。
为奋斗者提供成长的平台
在展会落下帷幕之际,嘉洋科技再次衷心感谢各位合作伙伴和行业专业人士的鼎力支持与热切关注。我们将继续坚定不移地前行,不断追求卓越,为石油天然气和石化领域提供创新解决方案,确保行业的可持续发展。
第08期
基于YOLOv8分割模型实现垃圾识别
供稿:曾华路
YOLOv8是Ultralytics开源的一个非常火的AI算法,目前支持目标检测、实例分割、姿态估计等任务。
本文将介绍如何使用YOLOv8的分割模型实现垃圾识别,其中所使用的训练数据来自TACO垃圾数据集。
TACO是一个包含在不同环境下(室内、树林、道路和海滩)拍摄的垃圾图像数据集,这些图像中的垃圾对象被精细地用方框和多边形进行了标注,标注信息采用与COCO数据集一样的格式,总共有60个类别,不过有的类别标注得很少甚至没有。下图是TACO数据集中的一些标注示例:
为奋斗者提供成长的平台
第08期
如果需要下载数据集,先执行下面的命令拉取官方的GitHub仓库:
git clone https://github.com/pedropro/TACO.git
然后用Python运行脚本即可下载数据集:
python3 download.py
如果下载过程中被中断了,只需重新执行download脚本即可继续下载。
2. 训练模型
2.1 转换标注格式
TACO数据集原始的标注信息被保存在一个名为annotations.json的文件中,在使用该数据集训练YOLOv8分割模型前,需要先把原始的标注信息转换为YOLOv8要求的格式。YOLOv8分割模型训练时需要的标注格式如下:
<id> <x_1> <y_1> ... <x_n> <y_n>
一个对象的标注信息放在一行,首先是该对象类别的id(从0开始算),接着将多边形各点像素坐标的x和y值依次排列,其中x和y的值需要分别除以图像的宽度和高度进行归一化,一幅图像的所有标注信息放在一个与图像同名的txt文件中。
进行格式转换后,txt文件中的内容类似于这样:
5 0.5183 0.4892 0.5480 0.4840 0.4840 0.5627 0.4840 0.5724 0.4853 0.5822 0.4879 0.5900
7 0.6227 0.5211 0.6232 0.5250 0.5074 0.6154 0.5081 0.6183 0.5107 0.5068 0.6120 0.6290
用于格式转换的关键Python代码如下:
为奋斗者提供成长的平台
第08期
img = cv2.imread(image_path)
height, width, _ = img.shape
label_writer = open(label_path, "w")
for annotation in annotations:
category_id = annotation["category_id"]
seg_labels = []
for segmentation in annotation["segmentation"]:
points = np.array(segmentation).reshape((int(len(segmentation) / 2), 2))
for point in points:
x = point[0] / width
y = point[1] / height
seg_labels.append(x)
seg_labels.append(y)
label_writer.write(str(category_id) + " " + " ".join([str(a) for a in seg_labels]) + "\n")
label_writer.close()
2.2 创建配置文件
首先仿照ultralytics/cfg/datasets/coco128-seg.yaml创建一个TACO数据集的配置文件taco-seg.yaml,文件内容如下:
path: /home/test/TACO/data #数据集所在的目录
train: train.txt # 训练集路径,相对于path目录
val: val.txt # 验证集路径,相对于path目录
# 类别id和名称
names:
0: Aluminium foil
1: Battery
2: Aluminium blister pack
3: Carded blister pack
4: Other plastic bottle
5: Clear plastic bottle
6: Glass bottle
7: Plastic bottle cap
8: Metal bottle cap
9: Broken glass
10: Food Can
为奋斗者提供成长的平台
第08期
test: test.txt # 测试集路径,相对于path目录,可以不写
# 类别id和名称
names:
0: Aluminium foil
1: Battery
2: Aluminium blister pack
3: Carded blister pack
4: Other plastic bottle
5: Clear plastic bottle
6: Glass bottle
7: Plastic bottle cap
8: Metal bottle cap
9: Broken glass
10: Food Can
数据集的设置的方式有几种形式,我的方式是建立images和labels两个目录,分别用于存放图像和txt标注文件,然后把数据集按照8:1:1的比例划分训练集、验证集、测试集,再把三个数据集图片的绝对路径分别写入train.txt、val.txt和test.txt三个文件中。所以上面的taco-seg.yaml文件中设置的路径path就是train.txt、val.txt和test.txt这三个文件所在的目录,这三个文件中包含的是对应数据集中图片的绝对路径,类似于这样:
/home/test/TACO/data/images/batch_13/000077.jpg
/home/test/TACO/data/images/batch_11/000032.jpg
/home/test/TACO/data/images/batch_15/000073.jpg
为奋斗者提供成长的平台
第08期
配置好数据集后,还要设置模型参数。首先将ultralytics/cfg/models/v8/yolov8-seg.yaml文件拷贝一份,命名为yolov8-seg-taco.yaml,然后把文件中的类别数量nc从80改为TACO数据集的60:
# Parameters
nc: 60 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n-seg.yaml' will call yolov8-seg.yaml with scale 'n'
# [depth, width, max_channels]
n: [0.33, 0.25, 1024]
s: [0.33, 0.50, 1024]
m: [0.67, 0.75, 768]
l: [1.00, 1.00, 512]
x: [1.00, 1.25, 512]
...
其他有关模型结构的参数如果没有必要就不需要修改了。
2.3 训练
训练YOLOv8可以使用命令行也可以编写Python代码实现,个人觉得还是使用命令行比较方便,所以本文采用命令行的方式进行训练,调用的命令如下:
yolo task=segment mode=train data=taco-seg.yaml model=yolov8n-seg-taco.yaml epochs=100 batch=16 imgsz=640 device=0 name=taco-seg
为奋斗者提供成长的平台
第08期
/home/test/TACO/data/images/batch_15/000073.jpg
配置好数据集后,还要设置模型参数。首先将ultralytics/cfg/models/v8/yolov8-seg.yaml文件拷贝一份,命名为yolov8-seg-taco.yaml,然后把文件中的类别数量nc从80改为TACO数据集的60:
# Parameters
nc: 60 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n-seg.yaml' will call yolov8-seg.yaml with scale 'n'
# [depth, width, max_channels]
n: [0.33, 0.25, 1024]
s: [0.33, 0.50, 1024]
m: [0.67, 0.75, 768]
l: [1.00, 1.00, 512]
x: [1.00, 1.25, 512]
其他有关模型结构的参数如果没有必要就不需要修改了。
2.3 训练
训练YOLOv8可以使用命令行也可以编写Python代码实现,个人觉得还是使用命令行比较方便,所以本文采用命令行的方式进行训练,调用的命令如下:
yolo task=segment mode=train data=taco-seg.yaml model=yolov8n-seg-taco.yaml epochs=100 batch=16 imgsz=640 device=0 name=taco-seg
为奋斗者提供成长的平台
第08期
这里data参数用于指定数据集配置文件,model参数用于指定模型配置文件,如果不知道有哪些参数可以参考ultralytics/cfg/default.yaml文件,这个文件里面包含所有需要的参数。需要注意的是,我这里指定的模型配置文件名为yolov8n-seg-taco.yaml,但是前面我创建的文件名为yolov8-seg-taco.yaml,这是为什么呢?因为我这里想使用的模型是yolov8n。假如我想使用yolov8x模型,那么训练的时候设置参数model=yolov8x-seg-taco.yaml就可以了。
训练的结果保存在runs/segment/taco-seg目录下,其中权重保存在该目录下的weights文件夹中。
3. 结果
训练完成后,我们可以调用命令测试一下模型的效果:
yolo task=segment mode=predict model=runs/segment/taco-seg/weights/best.pt source=/home/test/TACO/data/images/batch_9/000096.jpg show=True
下面是我在测试集的两张图片上测试的结果:
为奋斗者提供成长的平台
第08期
换季护肤这样做
供稿: 市场部
为奋斗者提供成长的平台
第08期
为奋斗者提供成长的平台
第08期
为奋斗者提供成长的平台
第08期
为奋斗者提供成长的平台
第08期
绍兴黄酒。新华网发
为奋斗者提供成长的平台
第08期
绍兴黄酒。新华网发
为奋斗者提供成长的平台
第08期
绍兴黄酒。新华网发
为奋斗者提供成长的平台
第08期
绍兴黄酒。新华网发
为奋斗者提供成长的平台
第08期
编辑部/ The Editorial
Editorial Board
编委会
吴新涛、秦建敏、王保宗、郭睿、李邦峦、张贤文、
曾华路、张铭轩、胡志闯、杨鹏、徐银、马文月、
林娜、段丽鲜、周月、吴君婕、罗宇、阚云、
李冰玉、朴美杰、邸思佳、刘雯菁
Edintorial-in-Chief
总编:吴新涛
Responsible Editor
责任编辑:秦建敏、王保宗、郭睿、李邦峦、张贤文
Management Group
管理组:市场部
嘉洋科技
地址:北京市朝阳区安立路80号马哥孛罗大厦
电话:010-59636601