Apex检测数据集
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/24ae6cc72ab6ed989cda3273b0aeb810.png)

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/6c757e86f1901b636ec2af8fde687405.png)


数据集详情
- 检测类别：
allies
enemy
tag
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/18b6304f2376de08bff71a886fb18658.png)

- 图片总量：7247张
- 训练集：5139张
- 验证集：1425张
- 测试集：683张![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/0a43f96d6f8eb8924927291cf4065393.png)

- 标注状态：全部已标注，即拿即用![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/4329947a76bb76e38f5d74cd83c94aa9.png)

- 数据格式：支持YOLO格式及其他格式（
# Apex英雄目标检测数据集
## 一、数据集信息表
| 项目 | 详细说明 |
| ---- | ---- |
| 数据集名称 | Apex英雄目标检测数据集 |
| 图片总数量 | 7247 张 |
| 数据集划分 | 训练集：5139 张<br>验证集：1425 张<br>测试集：683 张 |
| 检测类别（共3类） | 0: allies（友方）<br>1: enemy（敌方）<br>2: tag（标记目标） |
| 标注状态 | 全量完成标注，开箱即用 |
| 数据格式 | 标准YOLO格式，同时兼容多种主流标注格式，可按需转换 |
| 适用场景 | YOLO系列目标检测训练、游戏视觉识别、游戏AI开发、算法实训、计算机视觉毕业设计 |

## 二、核心标签
#Apex数据集 #Apex英雄 #目标检测 #YOLO数据集 #游戏视觉 #AI训练数据集

## 三、数据集目录结构
```
apex_dataset/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
├── labels/
│   ├── train/
│   ├── val/
│   └── test/
└── apex.yaml
```

## 四、数据集配置文件 apex.yaml
```yaml
path: ./apex_dataset
train: images/train
val: images/val
test: images/test

nc: 3
names:
  0: allies
  1: enemy
  2: tag
```

## 五、环境依赖
```bash
pip install ultralytics torch opencv-python
```

## 六、模型训练代码 train_apex.py
```python
from ultralytics import YOLO

def main():
    # 加载YOLO预训练权重，兼容YOLOv8、YOLOv11
    model = YOLO("yolov8s.pt")

    # 启动训练
    train_res = model.train(
        data="./apex_dataset/apex.yaml",
        epochs=100,
        imgsz=640,
        batch=16,
        device=0,          # 无GPU改为 device="cpu"
        workers=4,
        patience=15,
        project="runs/train",
        name="apex_detect",
        exist_ok=True,
        pretrained=True
    )
    print("训练完成，权重存放路径：runs/train/apex_detect/weights")

    # 测试集评估
    metrics = model.val(data="./apex_dataset/apex.yaml", split="test")
    print(f"mAP@50: {metrics.box.map50:.4f}")

if __name__ == "__main__":
    main()
```

## 七、推理测试代码 predict_apex.py
```python
from ultralytics import YOLO
import cv2

# 加载训练好的最优模型
model = YOLO("runs/train/apex_detect/weights/best.pt")

if __name__ == "__main__":
    img_path = "test.jpg"
    # 执行检测并保存结果
    results = model.predict(source=img_path, conf=0.25, iou=0.45, save=True)
    # 可视化画面
    show_img = results[0].plot()
    cv2.imshow("Apex Detection", show_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
```

Apex英雄目标检测数据集  深度学习框架YOLO如何训练APEX数据集

人工智能

算法

Apex英雄目标检测数据集包含7247张已标注图片，支持YOLO格式，适用于游戏AI开发与目标检测训练。数据集分为训练集5139张、验证集1425张和测试集683张，标注3类目标：友方、敌方和标记。提供完整训练代码和配置文件，开箱即用。

计算机视觉

代码解释

游戏AI

YOLO

2026上云采购 | AI焕新·智启新局

datainlong

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Apex英雄目标检测数据集  深度学习框架YOLO如何训练APEX数据集-腾讯云开发者社区-腾讯云

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集 深度学习框架YOLO如何训练APEX数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集

Apex英雄目标检测数据集深度学习框架YOLO如何训练APEX数据集