Object Detection ================ Unduh dataset ikan beformat YOLO: https://drive.google.com/file/d/10Pr4lLeSGTfkjA40ReGSC8H3a9onfMZ0/view?usp=sharing Ekstrak:: $ unzip Deepfish.zip Salah satu hasilnya adalah:: Deepfish 7117 train valid Contoh file ``Deepfish/7117/train/7117_Caranx_sexfasciatus_juvenile_f000000.txt`` berisi:: 0 0.47994791666666664 0.14351851851851852 0.12135416666666667 0.21481481481481482 0 0.8705729166666667 0.4185185185185185 0.09010416666666667 0.0962962962962963 Setiap barisnya memiliki susunan:: class_id x_center y_center width height Buatlah file ``ikan.yaml``:: names: 0: ikan path: Deepfish/7117 train: train val: valid Angka ``0`` (nol) pada ``names`` merujuk pada ``class_id``. Siapkan Python untuk menjalankan pelatihan:: $ python3.13 -m venv env $ env/bin/pip install ultralytics Jalankan pelatihannya (*compile*):: $ env/bin/yolo train data=ikan.yaml Hasilnya:: 100 epochs completed in 0.171 hours. Optimizer stripped from runs/detect/train29/weights/last.pt, 5.5MB Optimizer stripped from runs/detect/train29/weights/best.pt, 5.5MB File ``best.pt`` itulah yang akan digunakan saat membaca foto. Coba cari gambar kumpulan ikan di Google. Lalu:: $ env/bin/yolo predict model=runs/detect/train29/weights/best.pt source=ikan.jpg Hasilnya:: image 1/1 /home/sugiana/Unduhan/ikan.jpg: 448x640 6 ikans, 49.5ms Speed: 2.1ms preprocess, 49.5ms inference, 81.2ms postprocess per image at shape (1, 3, 448, 640) Results saved to runs/detect/predict37 Dia berhasil menghitung jumlah ikan di gambar tersebut sebanyak 6. Secara visual kita bisa melihatnya di file ``runs/detect/predict37/ikan.jpg``. Di file itu akan tampil kotak di setiap ikan lengkap dengan nilai **tingkat keyakinan** dalam bentuk angka pecahan dengan ambang 0 sampai 1. Kita juga bisa mengatur tingkat keyakinan dengan opsi ``conf`` (*confidence threshold*):: $ env/bin/yolo predict model=runs/detect/train29/weights/best.pt source=ikan.jpg conf=0.5 Selamat mencoba. Referensi --------- - `YOLO 12 `_