三角洲7w标好数据集 三角洲行动yolo训练高质量数据集，640*640格式，7w张烽火图片，七类标注，敌人，头部，队友，小兵等等，
三角洲烽火模式yolo模型数据集，是数据集 大概7万多的精数据
22G的压缩包
类别：敌人 敌人头部 队友 小兵 倒地 靶场人机 靶场人机头
是yolo数据集 用于视觉模型开发
三角洲行动 YOLO 目标检测数据集（7万张｜7分类）
一、数据集信息表
| 项目 | 详情 |
|---|---|
| 数据集名称 | 三角洲行动 游戏目标检测数据集 |
| 总图片数量 | 70000 张 |
| 图像尺寸 | 640×640 |
| 标注格式 | YOLO 标准 TXT 标签 |
| 类别数量 | 7 类 |
| 标注目标 | 敌人、敌人头部、队友、小兵等游戏目标 |
| 数据质量 | 高清实拍烽火场景，标注精准，可直接训练 |
| 适用场景 | 游戏AI辅助、目标检测学习、模型训练、项目实战 |
二、类别清单
| 类别ID | 类别名称 | 说明 |
|---|---|---|
| 0 | enemy | 敌人 |
| 1 | enemy_head | 敌人头部 |
| 2 | teammate | 队友 |
| 3 | minion | 小兵 |
| 4 | class_4 | 自定义类别4 |
| 5 | class_5 | 自定义类别5 |
| 6 | class_6 | 自定义类别6 |
可根据实际标注名称修改对应文本
三、数据集配置文件delta.yaml
train:./images/trainval:./images/valtest:./images/testnc:7names:0:enemy1:enemy_head2:teammate3:minion4:class_45:class_56:class_6四、目录结构
delta_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── delta.yaml五、环境安装命令
pipinstallultralytics torch opencv-python六、YOLOv8 训练代码
fromultralyticsimportYOLO# 加载预训练模型model=YOLO("yolov8s.pt")# 启动训练model.train(data="delta.yaml",epochs=100,imgsz=640,batch=16,device=0,patience=20,project="delta_action",name="yolov8_delta",save=True)# 模型验证model.val()七、YOLOv11 训练代码
fromultralyticsimportYOLO model=YOLO("yolov11s.pt")model.train(data="delta.yaml",epochs=100,imgsz=640,batch=16,device=0,patience=20,project="delta_action",name="yolov11_delta",save=True)model.val()八、单图推理代码
fromultralyticsimportYOLOimportcv2# 加载训练好的最优权重model=YOLO("runs/detect/yolov8_delta/weights/best.pt")# 图片检测img_path="test.jpg"results=model(img_path,conf=0.3)# 渲染并保存结果res_img=results[0].plot()cv2.imwrite("detect_result.jpg",res_img)cv2.imshow("三角洲目标检测",res_img)cv2.waitKey(0)cv2.destroyAllWindows()九、批量推理代码
fromultralyticsimportYOLOimportos model=YOLO("runs/detect/yolov8_delta/weights/best.pt")img_dir="./test_images"save_dir="./predict_result"os.makedirs(save_dir,exist_ok=True)forfileinos.listdir(img_dir):file_path=os.path.join(img_dir,file)model.predict(file_path,save=True,project=save_dir)
