JackTheProgrammer/Fine-tuned-YOLO11

# YOLO11s.pt 精调 在本项目中，我基于 [`yolo11s.pt`](model/yolo11s.pt) 创建了一个最多 100 个 epoch 的自定义数据集，并进行了精细微调，然后在图像和视频上进行了测试，之后将自定义训练模型导出为 ONNX 格式。 ## 开始 [在自定义数据上进行 YOLO11 训练](https://www.youtube.com/watch?v=A1V8yYlGEkI&t=1006s)。 ## 数据集 [Roboflow 交通信号检测](https://universe.roboflow.com/signal-sense-traffic-signal-detection/traffic-signals-mcmpm) *重要！！* 请务必以 **YOLO** 格式下载数据集 ## 结果    ### 基于图像的预测结果  ### 基于视频的预测结果  ### 保存的模型 * [保存的 best.pt 文件](runs/detect/yolo11s_custom_dataset/weights/best.pt)。 * [保存的 best.onnx 文件](runs/detect/yolo11s_custom_dataset/weights/best.pt)。 * 如需模型可视化，请[此处](https://netron.app/)上传您的 `*.pt` 或 `*.onnx` 文件。

标签：100 epochs, AI模型, CNCF毕业项目, fine tuning, ONNX导出, ONNX格式, Roboflow, YOLO11, YOLO格式, 交通信号检测, 交通信号识别, 图像识别, 图像预测, 模型优化, 模型训练, 模型部署, 深度学习, 目标检测, 目标检测模型, 自定义数据集, 视频分析, 视频检测, 计算机视觉, 逆向工具