python基于YOLOv7全系列模型[yolov7/yolov7-d6/yolov7-tiny/yolov7-w6/yolov7x]开发实践学生课堂举手检测识别

在我前面的博文中，刚刚基于yolov7开发了学生课堂行为检测识别系统，如下：

《基于yolov7开发构建学生课堂行为检测识别系统》

再早之前也有一些其他的相关实践，这里就不再赘述了，文章在下面，感兴趣自行移步阅读即可：

《基于yolov5轻量级的学生上课姿势检测识别分析系统》

《基于轻量级CNN开发构建学生课堂行为识别系统》

《yolov4-tiny目标检测模型实战——学生姿势行为检测》

本文的核心目的是趁着上一篇文章的热度，开发实践全系列的yolov7模型来构建学生课堂举手行为检测识别系统。

 简单看下数据集：

 标注文件如下：

 实例标注内容如下所示：

0 0.7794845679012345 0.2912747844827586 0.0961141975308642 0.1932887931034483
0 0.6776037808641975 0.26107381465517243 0.12879243827160494 0.3181217672413793
0 0.7636261574074074 0.18523491379310345 0.08746373456790123 0.1959741379310345
0 0.6780841049382716 0.17785237068965518 0.09515277777777778 0.21879094827586207
0 0.5146906404320987 0.22416109913793103 0.09130853395061728 0.25771875
0 0.544005401234568 0.16644288793103448 0.12110339506172839 0.1932887931034483
0 0.4229016203703704 0.2570474137931034 0.1153371913580247 0.23758405172413793
0 0.34456905864197535 0.18657692887931035 0.11437577160493827 0.26040217672413796
0 0.182616512345679 0.157046875 0.0961141975308642 0.2550334051724138
0 0.07448842592592592 0.1496643318965517 0.10668672839506173 0.2322144396551724
0 0.1624328047839506 0.43422790948275863 0.12687023919753088 0.34496659482758624
0 0.520457561728395 0.6677855603448275 0.14320987654320988 0.5704698275862069
0 0.891938086419753 0.2644294181034482 0.0999587037037037 0.22013469827586207
0 0.6554975462962963 0.5550337122844827 0.12302595679012346 0.34496613146551725
0 0.3512966820987654 0.40738254310344824 0.1816550925925926 0.24563793103448275
0 0.23211546682098766 0.21543588362068966 0.1335982175925926 0.21073814655172413

训练数据配置文件如下：

# txt path 
train: ./dataset/images/train
val: ./dataset/images/test
test: ./dataset/images/test
 
 
 
# number of classes
nc: 1
 
# class names
names: ['raisehand']

对于模型来说，yolov7一共有5款模型，每款模型均保持默认参数，训练150次epoch，结果详情如下所示：

【yolov7】

 【yolov7-d6】

 【yolov7-tiny】

 【yolov7-w6】

 【yolov7x】

 为了直观地进行全系列模型的对比分析，这里绘制整体对比曲线，如下所示：

【loss曲线】

 【precision曲线】

 【recall曲线】

【F1值曲线】