YOLO 服装检测系统（Clothing Detection with YOLO）

基于 YOLOv8 的服装类型检测系统，支持多种服装类别的实时检测。

📁 项目结构

yolo-clothing-detect/
├── configs/
│   └── data.yaml          # 核心！定义分类类别和训练/验证集路径
├── scripts/
│   ├── train.py           # 启动训练与Resume恢复脚本
│   └── predict.py         # 推理测试脚本
├── requirements.txt       # 项目依赖
└── README.md              # 项目文档

🚀 快速开始

1. 环境安装

# 克隆项目
git clone https://github.com/cgiaol/cloth-train.git
cd cloth-train

# 安装依赖
pip install -r requirements.txt

2. 数据准备

将你的数据集按照以下结构组织：

dataset/
├── images/
│   ├── train/
│   │   ├── img1.jpg
│   │   └── ...
│   ├── val/
│   │   ├── img2.jpg
│   │   └── ...
│   └── test/
│       └── ...
└── labels/
    ├── train/
    │   ├── img1.txt
    │   └── ...
    ├── val/
    │   └── ...
    └── test/
        └── ...

然后修改 configs/data.yaml 中的路径。

3. 模型训练

首次训练

python scripts/train.py --data configs/data.yaml --model yolov8n.pt --epochs 100 --batch 16

从检查点恢复训练

python scripts/train.py --data configs/data.yaml --resume runs/detect/clothing_detection/weights/last.pt --epochs 150

其他选项

python scripts/train.py --help

可用的模型大小：

• yolov8n - Nano（最小，速度最快）
• yolov8s - Small
• yolov8m - Medium
• yolov8l - Large
• yolov8x - Extra Large（精度最高，速度最慢）

4. 模型推理

单张图片推理

python scripts/predict.py --model runs/detect/clothing_detection/weights/best.pt --source path/to/image.jpg --save

视频推理

python scripts/predict.py --model runs/detect/clothing_detection/weights/best.pt --source path/to/video.mp4 --save

实时摄像头推理

python scripts/predict.py --model runs/detect/clothing_detection/weights/best.pt --source 0

推理选项

python scripts/predict.py --help

📊 配置文件说明

configs/data.yaml

path: /path/to/dataset      # 数据集根路径
train: images/train         # 训练集相对路径
val: images/val            # 验证集相对路径
test: images/test          # 测试集相对路径

nc: 10                     # 类别数量
names: [...]              # 类别名称列表

📈 训练结果

训练结果会保存在 runs/detect/clothing_detection/ 目录中：

• weights/best.pt - 最优模型权重
• weights/last.pt - 最后一个检查点
• results.csv - 训练指标
• plots/ - 可视化结果

🔧 关键特性

✅ 支持 YOLOv8 所有模型大小
✅ 完整的训练恢复（Resume）功能
✅ 灵活的推理选项（图片、视频、实时流）
✅ 自动混合精度训练（AMP）
✅ 早期停止（Early Stopping）
✅ 易用的命令行接口

📝 示例工作流

# 1. 环境设置
pip install -r requirements.txt

# 2. 训练（100个epoch）
python scripts/train.py --data configs/data.yaml --epochs 100 --batch 16

# 3. 模型评估
python scripts/predict.py --model runs/detect/clothing_detection/weights/best.pt --source dataset/images/test

# 4. 如果需要继续训练
python scripts/train.py --data configs/data.yaml --resume runs/detect/clothing_detection/weights/last.pt --epochs 150

💡 建议

• 在 GPU 上训练获得最佳性能
• 确保数据集标注格式正确（YOLO 格式）
• 根据硬件调整 --batch 大小
• 使用 --patience 参数启用早期停止

📚 参考资源

• Ultralytics YOLO 文档
• YOLOv8 GitHub

📄 许可证

MIT License

---

作者: cgiaol
创建时间: 2026-07-23