语言:

• 英文 基础模型:
• Ultralytics/YOLO11 标签:
• yolo
• yolo11
• yolo11n
• 鱼类 数据集:
• akridge/MOUSS_fish_imagery_dataset_grayscale_small 任务标签: 目标检测 库名称: ultralytics 许可证: agpl-3.0 指标:
• 精确度: 0.885
• 召回率: 0.861
• mAP50: 0.937
• mAP50-95: 0.852 模型索引:
• 名称: yolo11-fish-detector-grayscale 结果:
  • 任务: 类型: 目标检测
    数据集: 类型: MOUSS_fish_imagery_dataset_grayscale_large
    名称: MOUSS_fish_imagery_dataset_grayscale_large
    指标:
    • 类型: 精确度
      值: 0.885
    • 类型: 召回率 值: 0.861
    • 类型: mAP50 值: 0.937
    • 类型: mAP50-95 值: 0.852

Yolo11n 鱼类检测器 | 灰度版

模型详情/概述

该模型采用YOLO11架构训练，用于检测水下灰度图像中的鱼类。模型开发过程中运用了半无监督学习技术，无需依赖全标注数据集即可学习模式并识别鱼类。

• 模型架构: YOLO11n
• 任务: 目标检测（鱼类检测）
• 影像类型: 灰度（黑白）水下影像
• 类别数: 1（鱼类）

测试结果

模型权重

模型权重文件可在此获取

使用场景

• 灰度（黑白）水下影像的实时检测
• 灰度（黑白）水下影像的后处理分析

影响因素

模型性能

• 无监督学习：无需完整标注数据集即可实现灵活模式识别，特别适合灰度影像分析
• 灰度影像：专门针对黑白水下影像训练，在此类环境中表现更优
• 模型架构（YOLO11n）：轻量级设计，专为水下鱼类实时检测优化
• 训练数据：灰度水下数据集的质量与多样性，按8:2比例划分为训练集与验证集
• 训练参数：配置50个训练周期、0.001学习率和416x416图像尺寸以实现最佳收敛效果

评估指标

验证集上的关键指标如下：

• 精确度: 0.885
• 召回率: 0.861
• mAP50: 0.937
• mAP50-95: 0.852

训练验证结果

训练与验证损失曲线

混淆矩阵

精确率-召回率曲线

F1分数曲线

训练配置

• 模型权重文件: yolo11n_fish_trained.pt
• 训练周期数: 50
• 学习率: 0.001
• 批大小: 16
• 图像尺寸: 416x416

训练与评估数据

• 数据集: fish_dataset.zip包含灰度（黑白）水下影像
• 训练/验证划分: 数据集按8:2比例划分
• 类别: 模型仅训练单一类别（鱼类）
• 学习方式: 无监督学习，模型无需详细标注即可自主识别数据模式

部署应用

模型使用方法

使用训练好的模型需遵循以下步骤：

1. 加载模型:

   from ultralytics import YOLO
   
   # 加载模型
   model = YOLO("yolo11n_fish_trained.pt")
   

局限性

该模型基于黑白水下影像训练，可能不适用于彩色图像或不同光照条件下的视频。 无监督学习特性可能导致某些误检，尤其在复杂水下环境中可能将其他物体误判为鱼类。 背景复杂、存在遮挡或低分辨率的图像会影响模型性能。

补充说明:

• 灰度影像: 模型在灰度图像上表现更佳，可能无法良好适应彩色水下影像或其他光照条件
• 无监督学习: 采用无监督方法虽增强模型灵活性，但也可能因缺乏标注数据导致误分类
• 伦理考量 无监督学习可能导致检测偏差，特别是在训练数据未涵盖的新环境或海洋生物类型中。该模型未经严格验证前不应用于关键场景，以免在敏感应用中漏检或产生错误结果。用于海洋保护或研究时，应考虑潜在的环境社会影响，并确保检测结果经过人工核验。

免责声明

本存储库为科研产物，不代表美国国家海洋和大气管理局或美国商务部的官方立场。所有NOAA项目内容均按"原样"提供，使用者需自行承担使用风险。任何因使用本项目产生的法律争议将适用所有相关联邦法律。对任何商业产品、流程或服务的提及，均不构成或暗示其得到商务部认可。禁止使用商务部或其下属机构的徽标来暗示美国政府对本项目或任何商业活动的认可。