YOLOv8训练自己的目标检测数据集

源码下载

YOLOv8官方的GitHub代码,同时上面也有基础环境配置要求以及代码运行教程下载后的源码文件应该是ultralyticsmain

环境配置

这里可参考YOLOv5,YOLO v7的代码环境配置

安装包

需要额外的安装一些包,因为后面需要用到

pip install ultralytics

训练自己的数据

数据文件格式

├── linhuo
│ ├── images
│ │ ├── train
│ │ ├── val
│ │ ├── test
│ ├── labels
│ │ ├── train
│ │ ├── val
│ │ ├── test

数据集文件配置

数据集文件配置位置如下:

ultralytics-main/ultralytics/cfg/datasets/

在该文件下创建数据自己数据集文件配置的yaml文件,这是我创建自己数据集配置的yaml文件。同时yaml文件内要说明以下内容:

参数文件配置

参数文件配置的路径:

ultralytics-main/ultralytics/cfg/default.yaml

具体的超参数说明可以看看网上的教程这里主要配置model,datapatience。

model: './weights/yolov8n.pt'  # (str, optional) path to model file, i.e. yolov8n.pt, yolov8n.yaml
data: 'ultralytics/cfg/datasets/linhuo.yaml'   # (str, optional) path to data file, i.e. coco128.yaml

训练数据集

命令行训练

yolo task=detect mode=train model=yolov8n.pt data=ultralytics/cfg/datasets/linhuo.yaml batch=16 epochs=500

脚本.py文件训练

代码为:直接运行即可

from ultralytics import YOLO
# 权重网络模型加载权重模型
model = YOLO('ultralytics/cfg/models/v8/yolov8.yaml').load('./weights/yolov8n.pt')  # build from YAML and transfer weights

# Train the model: 数据集配置yaml
results = model.train(data='ultralytics/cfg/datasets/linhuo.yaml', epochs=500, batch=16)

进行detect

from ultralytics import YOLO
model = YOLO('runs/detect/train/weights/best.pt')

# 检测图片路径
source = 'ultralytics/assets/2708.jpg'

# 预测结果
results = model.predict(source, save=True)

显示detect的效果

在这里插入图片描述

原文地址:https://blog.csdn.net/m0_60890175/article/details/134580935

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

如若转载,请注明出处:http://www.7code.cn/show_5285.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱:suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注