Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/pauloruszel/yolo11_face_detection
https://github.com/pauloruszel/yolo11_face_detection
cuda nvcc nvidia-gpu pip python3 pytorch widerface-dataset yolo11
Last synced: 1 day ago
JSON representation
- Host: GitHub
- URL: https://github.com/pauloruszel/yolo11_face_detection
- Owner: pauloruszel
- Created: 2025-02-05T21:00:34.000Z (5 days ago)
- Default Branch: master
- Last Pushed: 2025-02-07T19:49:39.000Z (3 days ago)
- Last Synced: 2025-02-07T20:30:15.197Z (3 days ago)
- Topics: cuda, nvcc, nvidia-gpu, pip, python3, pytorch, widerface-dataset, yolo11
- Language: Python
- Homepage:
- Size: 0 Bytes
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# YOLO11 Face Detection - Guia de Uso
Este repositório fornece scripts para treinamento e inferência de um modelo YOLO para detecção de rostos.
---
## Requisitos
Antes de iniciar, certifique-se de ter as seguintes versões instaladas:
### Python e Pip
- **Python**: 3.12.7
- **Pip**: 25.0
Comandos para verificação:
```sh
python --version
pip --version
```
### PyTorch e CUDA
- **PyTorch**: 2.5.1+cu121
- **CUDA**: 12.1
- **NVCC (CUDA Compiler)**: 12.1.66
Comandos para verificação:
```sh
python -c "import torch; print(torch.__version__); print(torch.version.cuda)"
nvcc --version
```
---
## Instalação do Ambiente
### 1. Instalação do Python e Pip
Baixe e instale o **Python 3.12.7** a partir do site oficial:
- [Download Python](https://www.python.org/downloads/release/python-3127/)
### 2. Instalação do CUDA e CuDNN
Baixe e instale as versões compatíveis do CUDA e CuDNN:
- **CUDA 12.1**: [Download CUDA](https://developer.nvidia.com/cuda-12-1-download-archive)
- **CuDNN para CUDA 12.1**: [Download CuDNN](https://developer.nvidia.com/cudnn)
### 3. Instalação do PyTorch
Instale a versão correta do PyTorch com suporte ao CUDA 12.1:
```sh
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```
### 4. Clonar o Repositório e Criar o Ambiente Virtual
```sh
git clone https://github.com/pauloruszel/yolo11_face_detection.git
cd yolo11_face_detection
python -m venv venv
source venv/bin/activate # Linux/Mac
venv\Scripts\activate # Windows
```
---
## Execução dos Scripts
### 1. Converter as Labels para YOLO
Este script converte as anotações do dataset WIDER FACE para o formato do YOLO.
```sh
python scripts/convert_wider_to_yolo.py
```
### 2. Corrigir Labels Inconsistentes
Este script verifica e corrige labels que possuam coordenadas fora dos limites permitidos pelo YOLO.
```sh
python scripts/fix_labels.py
```
### 3. Treinar o Modelo
O batch size será ajustado automaticamente com base na memória disponível da GPU.
- `--img 640`: Define o tamanho da imagem utilizada no treinamento.
- `--batch 4`: Define o tamanho do batch (pode ser ajustado automaticamente).
- `--epochs 100`: Quantidade de épocas de treinamento.
- `--data dataset.yaml`: Caminho para o arquivo de configuração do dataset.
- `--weights yolo11n.pt`: Modelo pré-treinado utilizado como base.
- `--device 0`: Define a GPU a ser utilizada (0 para a primeira GPU).
- `--name face_detection`: Nome do experimento.
- `--half`: Usa precision FP16 para reduzir consumo de memória.
- `--cache=ram`: Carrega as imagens na RAM para acelerar o treinamento.
```sh
python scripts/train.py --img 640 --batch 4 --epochs 100 --data "C:/caminho/yolo11_face_detection/dataset.yaml" --weights "C:/caminho/yolo11_face_detection/models/yolo11n.pt" --device 0 --name face_detection --half --cache=ram
```
### 4. Executar Inferência com Webcam
Este script utiliza a webcam para realizar a detecção em tempo real.
```sh
python scripts/webcam_detect.py
```
### 5. Testar o Modelo em uma Imagem
Este script aplica a detecção em uma imagem específica.
```sh
python scripts/detection.py --image datasets/images/val/alguma_imagem.jpg
```
---
## Estrutura do Diretório
```
.
├── datasets/
│ ├── images/
│ │ ├── train/
│ │ ├── val/
│ ├── labels/
│ ├── train/
│ ├── val/
├── models/
├── scripts/
│ ├── train.py
│ ├── webcam_detect.py
│ ├── detection.py
│ ├── convert_wider_to_yolo.py
│ ├── fix_labels.py
├── yolo11n.pt
└── README.md
```
---
## Dicas de Otimização
- **Ajuste o Batch Size**: O batch size é ajustado automaticamente para evitar **out of memory (OOM)** na GPU.
- **Utilize `--cache=ram`**: Acelera o treinamento carregando as imagens na memória RAM.
- **Monitore a GPU**:
```sh
nvidia-smi
```
- **Caso encontre erros de CUDA**, tente reiniciar a GPU com:
```sh
nvidia-smi --gpu-reset
```
---
Caso encontre problemas, verifique se todas as versões dos pacotes estão compatíveis e atualizadas. Boa sorte no treinamento! 🚀