YOLOultralytics_RTDETE__YOLOv8__0">YOLO框架下（ultralytics） RTDETE 与 YOLOv8 目标检测对比

0 前言：

0.1 相同训练数据集和相同测试数据集下，采用RTDETE 与 YOLOv8 训练。

0.2 本人拉的ultralytics8.1的分支版本。

0.3 本次对比了l和s的模型，其中l的模型采用了预训练权重，s的模型无预训练权重。可以通过训练命令查看相关参数。

0.4 相关命令

git https://github.com/ultralytics/ultralytics.git

1 RTDETE 训练l模型

1.1 数据配置：

cp /ultralytics/cfg/datasets/coco8.yaml /ultralytics/cfg/datasets/rtdetr_coco8.yaml

/ultralytics/cfg/datasets/rtdetr_coco8.yaml如下：与YOLO训练格式是一致的

#######"""ultralytics/cfg/datasets/rtdetr_coco8.yaml"""
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: /media/user/mydata/datadqdetr  # dataset root dir
train: images/train  # train images (relative to 'path') 4 images
val: images/val  # val images (relative to 'path') 4 images
test:  # test images (optional)

names:
 0: pedes
 1: car
 2: bus
 3: truck
 4: bike
 5: moto
 6: tricycle
 7: coni
 8: warn
 9: tralight
 10: specialVehicle

1.2 模型配置

此处使用rtdetr-l.yaml 对应的预训练模型进行训练, 这里训练用的是预训练权重，所以此处的配置文件其实没什么用，不过nc习惯跟自己模型的类型数据一致

/ultralytics/cfg/models/rt-detr/rtdetr-l.yaml  

修改模型文件的nc与自己的类别数目匹配，其它不变

# Parameters
nc: 11  # number of classes
scales: # model compound scal