自制数据集实现yolo v8训练

前言

还在研究yolo v5，现在yolov8源码都已经放出来了，这速度，让人头皮发麻。

源码地址：https://github.com/ultralytics/ultralytics

和yolo v5的风格基本类似，这里的源码是使用pytorch实现的，小伙伴现在可以尝尝鲜了。

1. 标注数据集

这里仍然使用labelimg，安装labelimg，小伙伴们自行搜索，网上一堆，标注的时候选择yolo格式就行了。标注完生成的txt文件，我这里的文件后缀是.xml.txt；小伙伴需要把文件后缀的.xml去掉，一定要去掉。

2. 数据集格式

数据集格式主要是指你的文件夹格式，其实没有必要必须一致，我这边的格式为：

建议使用这样的格式，然后你要做的是编写一个yaml文件，例如

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: D:\Paper\study\datasets\hyperbole170M  # 这里就是你的数据集文件夹地址
train: images/train #这里就是你的参与训练的图片文件夹地址
val: images/val  # val images (relative to 'path')
test:  # test images (optional)

# Classes
nc: 1  # 我这里就一个类别，所以是1
names: ['hyperbole']  # 类别名称
download: https://ultralytics.com/assets/coco128-seg.zip #这里是如果没有数据集，需要下载的网址，自制数据集，这个是不需要的。

这里的文件名，我的是hyperbole.yaml,放在哪里呢？这里：

路径为：D:\Paper\study\Yolo\yolov8-main\ultralytics-main\ultralytics\yolo\data\datasets\hyperbole.yaml

3. 执行训练

CLI usage:

python ultralytics/yolo/v8/detect/train.py model=yolov8n.yaml data=coco128 epochs=100 imgsz=640

TODO:

yolo task=detect mode=train model=yolov8n.yaml data=coco128.yaml epochs=100

让我们走进代码，不去关心命令行。

首先找到ultralytics-main\ultralytics\yolo\v8\detect\train.py

这个是训练代码，

 # cfg.model = cfg.model or "yolov8n.yaml"
    cfg.model = cfg.model or "yolov8n.pt" #源码的是模型yaml，这里用他们训练好的模型，可以在我们少量数据集的基础上提升我们的训练效果，强烈建议。设置完成之后执行代码会自动下载。ps当然你也可以在命令行去做。
    cfg.data = cfg.data or "hyperbole.yaml"  # 这里可以写你的数据集，ps当然这里也可以在命令行去做。

如果显卡内存不够，或者线程导致内存不够，可以找到ultralytics\yolo\configs\default.yaml

里面的参数是默认的参数，你可以在这里修改，也可以使用命令行。

epochs: 100 # number of epochs to train for
patience: 50  # TODO: epochs to wait for no observable improvement for early stopping of training
batch: 16 # number of images per batch
imgsz: 416 # size of input images
save: True # save checkpoints
cache: False # True/ram, disk or False. Use cache for data loading
device: null # cuda device, i.e. 0 or 0,1,2,3 or cpu. Device to run on
workers: 4 # number of worker threads for data loading

4. 执行过程

报错：这里我就不说了，提示少什么，你就百度安装什么，出现什么问题，一个字百度，基本都能处理。

执行过程：

看到图片，和yolo v5基本一样。

5. 查看训练结果

训练结果在这个文件夹下面：\ultralytics\yolo\v8\detect\runs\detect

mAP高不高，非常高，当然写到这的时候还在训练。

主要是检测内容特征明显。