Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集
Apex检测数据集
数据集详情
检测类别：
allies
enemy
tag图片总量：7247张
训练集：5139张
验证集：1425张
测试集：683张
标注状态：全部已标注，即拿即用
数据格式：支持YOLO格式及其他格式（
Apex英雄目标检测数据集
一、数据集信息表
| 项目 | 详细说明 |
|---|---|
| 数据集名称 | Apex英雄目标检测数据集 |
| 图片总数量 | 7247 张 |
| 数据集划分 | 训练集：5139 张 验证集：1425 张 测试集：683 张 |
| 检测类别（共3类） | 0: allies（友方） 1: enemy（敌方） 2: tag（标记目标） |
| 标注状态 | 全量完成标注，开箱即用 |
| 数据格式 | 标准YOLO格式，同时兼容多种主流标注格式，可按需转换 |
| 适用场景 | YOLO系列目标检测训练、游戏视觉识别、游戏AI开发、算法实训、计算机视觉毕业设计 |
二、核心标签
#Apex数据集 #Apex英雄 #目标检测 #YOLO数据集 #游戏视觉 #AI训练数据集
三、数据集目录结构
apex_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── apex.yaml四、数据集配置文件 apex.yaml
path:./apex_datasettrain:images/trainval:images/valtest:images/testnc:3names:0:allies1:enemy2:tag五、环境依赖
pipinstallultralytics torch opencv-python六、模型训练代码 train_apex.py
fromultralyticsimportYOLOdefmain():# 加载YOLO预训练权重，兼容YOLOv8、YOLOv11model=YOLO("yolov8s.pt")# 启动训练train_res=model.train(data="./apex_dataset/apex.yaml",epochs=100,imgsz=640,batch=16,device=0,# 无GPU改为 device="cpu"workers=4,patience=15,project="runs/train",name="apex_detect",exist_ok=True,pretrained=True)print("训练完成，权重存放路径：runs/train/apex_detect/weights")# 测试集评估metrics=model.val(data="./apex_dataset/apex.yaml",split="test")print(f"mAP@50:{metrics.box.map50:.4f}")if__name__=="__main__":main()七、推理测试代码 predict_apex.py
fromultralyticsimportYOLOimportcv2# 加载训练好的最优模型model=YOLO("runs/train/apex_detect/weights/best.pt")if__name__=="__main__":img_path="test.jpg"# 执行检测并保存结果results=model.predict(source=img_path,conf=0.25,iou=0.45,save=True)# 可视化画面show_img=results[0].plot()cv2.imshow("Apex Detection",show_img)cv2.waitKey(0)cv2.destroyAllWindows()