【YOLOv8系列】YOLOv8数据集制作过程；YOLOv8分类数据集制作；深度学习算法数据集制作；数据集处理，丰富数据集数据，增强数据集的多样性；

我们知道，对于深度学习算法，要想训练出一个效果不错的模型，一个好的训练数据集是非常重要的；本文记录一下我制作YOLOv8分类算法数据集的过程；当然也适用于YOLOv8的其他算法，甚至其他深度学习算法也是可以使用的。

在计算机视觉任务中，数据的多样性是提高模型性能的关键。为了训练一个高效的模型，我们需要一个丰富且多样化的数据集。

对于训练所用数据集来说，图片数量越多，信息越丰富，训练的效果越好；但是如果我们希望数据集有一万张图片，那我们一张一张的去拍，拍一万张，显然是不现实的；但是我们拍500张原始图片，还是比较容易的；再根据这500张原始图片，通过一系列的处理，生成一万张就可以了。

所以我们的目标就是，通过少量的原始图片，生成信息量丰富、图片数量丰富的数据集。

特点：
1、最终生成的数据集的图片总数量可灵活选择；
2、支持.heic格式（iPhone手机拍摄）的图片作为原始图片；
3、对原始图像进行翻转、旋转、缩放、调节亮度、添加高斯噪声、应用高斯默许、调整对比度、调整像素值、边缘裁剪等处理，用以丰富生成的图像数据，从而提高YOLOv8模型的鲁棒性和泛化能力。
4、最终生成的图片均为jpg格式

一、环境搭建

我使用的是Win10；

1.1 安装python3.8

必须安装python3.8，从官网下载安装包