深度学习YOLO模型如何训练 PUBG 绝地求生目标检测数据集
pubg数据集 精选原图1.42万数据 1.49万标签
无任何重复、算法增强或冗余图像！
pubg绝地求生目标检测数据集
1分类：e_body，14905个标签，txt格式
共计14244张图，99%为640*640尺寸图像
适合yolo目标检测、AI训练
关键词：pubg数据集，绝地求生数据集，pubg，绝地求生
稀缺资源，共3.44G，
常规训练精度90+
PUBG绝地求生目标检测数据集
数据集信息表
| 项目 | 详细说明 |
|---|---|
| 数据集名称 | PUBG绝地求生目标检测数据集 |
| 图片总数 | 14244张精选原图 |
| 标签总数 | 14905个标注标签 |
| 数据特点 | 无重复图像、无算法增强、无冗余图片，原始画质优质 |
| 目标类别 | 单类别：e_body |
| 标注格式 | TXT（标准YOLO格式） |
| 图像尺寸 | 99% 图片分辨率为 640×640 |
| 数据大小 | 整体压缩包 3.44G |
| 训练效果 | 基于YOLO系列模型训练，精度可达90%以上 |
| 适用场景 | YOLO目标检测模型训练、游戏视觉识别、AI算法实训、毕业设计、游戏AI研发 |
| 交付方式 | 电子资料，123网盘发货 |
| 相关备注 | 1. 仅负责发货，下载问题需自行解决 2. 虚拟商品，发货后不支持退款 3. 另有多款游戏类数据集、模型资源，可咨询了解 |
核心标签
#pubg数据集 #绝地求生数据集 #目标检测 #YOLO训练 #游戏视觉 #AI数据集
PUBG绝地求生目标检测数据集
数据集信息表
| 项目 | 详细说明 |
|---|---|
| 数据集名称 | PUBG绝地求生目标检测数据集 |
| 图片总数 | 14244张精选原图 |
| 标签总数 | 14905个标注标签 |
| 数据特点 | 无重复图像、无算法增强、无冗余图片，原始画质优质 |
| 目标类别 | 单类别：e_body |
| 标注格式 | TXT（标准YOLO格式） |
| 图像尺寸 | 99% 图片分辨率为 640×640 |
| 数据大小 | 整体压缩包 3.44G |
| 训练效果 | 基于YOLO系列模型训练，精度可达90%以上 |
| 适用场景 | YOLO目标检测模型训练、游戏视觉识别、AI算法实训、毕业设计、游戏AI研发 |
| 交付方式 | 电子资料，123网盘发货 |
| 相关备注 | 1. 仅负责发货，下载问题需自行解决 2. 虚拟商品，发货后不支持退款 3. 另有多款游戏类数据集、模型资源，可咨询了解 |
核心标签
#pubg数据集 #绝地求生数据集 #目标检测 #YOLO训练 #游戏视觉 #AI数据集
一、数据集目录结构
pubg_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── pubg.yaml二、数据集配置文件pubg.yaml
path:./pubg_datasettrain:images/trainval:images/valnc:1names:0:e_body三、环境依赖安装
pipinstallultralytics torch opencv-python四、YOLO训练代码train_pubg.py
fromultralyticsimportYOLOif__name__=="__main__":# 加载预训练权重，支持YOLOv8/YOLOv11等版本model=YOLO("yolov8s.pt")# 开始模型训练results=model.train(data="./pubg_dataset/pubg.yaml",epochs=100,imgsz=640,batch=16,device=0,# 有GPU填写设备编号，无GPU改为 device="cpu"workers=4,patience=15,project="runs/train",name="pubg_detection",exist_ok=True,pretrained=True)# 模型验证评估val_result=model.val()print(f"模型mAP@50：{val_result.box.map50:.4f}")print("训练完成，模型权重保存至 runs/train/pubg_detection/weights 目录")五、推理测试代码predict_pubg.py
fromultralyticsimportYOLOimportcv2# 加载训练完成的最优模型model=YOLO("runs/train/pubg_detection/weights/best.pt")if__name__=="__main__":# 单张图片检测img_path="test.jpg"preds=model.predict(source=img_path,conf=0.25,save=True)# 可视化展示img=preds[0].plot()cv2.imshow("PUBG 目标检测",img)cv2.waitKey(0)cv2.destroyAllWindows()