Ultralytics YOLO V11 初体验—训练COCO数据集—全流程记录

Utralytics YOLO V11🚀

        之后做项目要用到YOLO，然后也是趁着这个机会捡一下YOLO的相关的知识，这篇博客记录一下，配置Utralytics建立一个训练YOLO的环境，然后使用官方提供的COCO.yaml文件进行自动下载和训练的完整过程，整个过程也是比较曲折，里面涉及到的细节有很多，最终是做出了一个可实现的版本。

---

Ultralytics是一家专注于开发先进计算机视觉模型的技术公司，特别是在目标检测和图像识别任务方面。它最为人知的是创建和维护了YOLO（You Only Look Once）系列模型，这些模型因其速度快、精度高而被广泛应用于实时目标检测。公司的模型，如YOLOv5和YOLOv8，旨在易于实现、高效并且在各种应用场景中具有很强的性能表现，包括安防系统和自动驾驶等领域。Ultralytics还提供工具、教程和开源代码，帮助工业和科研领域的用户更好地使用这些模型。

1.新建Conda 虚拟环境

---

首先是要新建一个虚拟环境，10月份了，我之前用的都是3.10，然后我觉得python官方的最新的稳定版本应该是更新了，通过查看官网我发现，现在的最新的稳定版本是3.11了，所以的话这次打算安装了一个最新的稳定版本。
https://www.python.org/downloads/

• 在Anaconda 命令提示窗中输入如下新建环境命令(这里由于我之前安装过其他3.11版本，所以没出进度条直接用的本地缓存进度)

conda create --name ultralytics python=3.11

• 在命令提示行内输入python，可以看到安装的python版本，我们的命令安装的python版本为3.11.7。
  

2.安装GPU pytroch

---

首先需要进入我们上一步建立好的虚拟环境

conda activate ultralytics

• 然后win+R 打开系统命令窗口输入cmd（这是另外一个命令窗口）
  
  输入下面的命令查看cuda版本（前提已经安好了GPU的各项驱动）

nvidia-smi

• 我自己的CUDA版本是12.6，然后进入pytroch官网，去找安装pytroch的下载命令。https://pytorch.org/，首先Package这一行我们选Conda，因为我们用的的是Anaconda建立的虚拟环境，用conda命令安装会舒服些。然后在ompute Platform一行选一个自己能安装的版本，例如我的CUDA版本是12.6，然后我就选了12.4。
  

然后把下面的下载命令复制下来，复制到之前的Conda的命令提示框中。

输入命令之后，按回车，出现如下内容。

拉到下面，然后输入y然后回车。

然后由于之前我在其他虚拟环境中下载过对应版本的pytroch，所以没出进度条，直接出现了done，表示下载完成。

然后，输入pip list 看到pytorch已经下载成功了。

3.安装Utralytics

---

然后就是安装Utralytics，这个也是很简单粗暴，直接按照官方提示 pip install 安装就行了，我自己配置了清华园下载能稍微快点。

pip install ultralytics

然后再输入一下pip list 就可以看到 pytroch 和 ultralytics 都已经被正确安装了。

4.下载YOLO V11 模型

---

进入到Ultralytics 的YOLO V11 的下载界面，然后点进去之后稍微下滑一下就能看到Performance Metrics然后需要什么版本点蓝色的版本名称完就可以下了。然后左侧是其他版本的YOLO版本的模型文件下载地址。（如果要从官网主页面进的话，就是先点上方选项卡的Models选项卡，然后点左侧的YOLO 11）
https://docs.ultralytics.com/models/yolo11/#supported-tasks-and-modes

5.下载COCO数据集

---

在Kaggle里下载就行了，27个G大概解压之后。
https://www.kaggle.com/datasets/awsaf49/coco-2017-dataset?resource=download

6.下载 COCO.yaml

---

https://docs.ultralytics.com/datasets/detect/coco/#usage
然后就是下载COCO，数据集的yaml文件。

COCO（Common Objects in Context）数据集是一个广泛使用的计算机视觉数据集，旨在支持对象检测、分割和图像标注等任务。它包含了超过33万张复杂的日常生活场景图片，覆盖了80类常见物体，每张图片中物体被标注在不同的上下文环境中，具有丰富的多样性。COCO数据集以其精细的标注和多种任务的支持而闻名，广泛用于训练和评估深度学习模型，尤其是在目标检测和图像语义分割领域。

7.搭建训练文件目录

---

• 这块我折腾了一阵才整明白，首是新建一个项目，然后把coco2017数据集解压进来，然后把下载的coco.yaml也拖进去。
  然后在项目文件下下新建一个datasets文件下，然后datasets文件下下再建两个新的文件夹images和labels。
  
  然后把coco2017中的 train2017和val2017粘到datasets/images里（这两个文件还挺大的，最好是在外部文件夹复制粘贴，不要在Pycharm内复制粘贴）
  
  然后在labels下面也建两个空文件夹，一个是train2017，一个是val2017。

8.制作txt格式标签

---

在项目文件下下新建了一个make_label.py文件，然后需要用coco2017中annotation中的json文件解析成txt类型的标签。

把下面代码粘贴进去，然后训练集和验证集各运行一次，代码参考了一方热衷博主的博客，在此表示感谢。

import os
import json
from tqdm import tqdm
import argparse

# 生成训练集标签（换成自己的路径）
json_path = r'E:\YOLO_V11\coco2017\annotations\instances_train2017.json'
label_path = r'E:\YOLO_V11\datasets\labels\train2017'

# 生成验证集标签 （换成自己的路径）
# json_path = r'E:\YOLO_V11\coco2017\annotations\instances_val2017.json'
# label_path = r'E:\YOLO_V11\datasets\labels\val2017'


parser = argparse.ArgumentParser()
parser.add_argument('--json_path', default=json_path, type=str,
                    help="input: coco format(json)")
parser.add_argument('--save_path', default=label_path, type=str,
                    help="specify where to save the output dir of labels")
arg = parser.parse_args()


def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = box[0] + box[2] / 2.0
    y = box[1] + box[3] / 2.0
    w = box[2]
    h = box[3]

    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


if __name__ == '__main__':
    json_file = arg.json_path  # COCO Object Instance 类型的标注
    ana_txt_save_path = arg.save_path  # 保存的路径

    data = json.load(open(json_file, 'r'))
    if not os.path.exists(ana_txt_save_path):
        os.makedirs(ana_txt_save_path)

    id_map = {
   }
    for i, category in enumerate(data['categories']):
        id_map[category['id']] = i

    # 通过事先建表来降低时间复杂度
    max_id = 0
    for img in data['images']:
        max_id = max(max_id, img['id'])

    img_ann_dict = [[] for i in range(max_id + 1)]
    for i, ann in enumerate(data['annotations']):
        img_ann_dict[ann['image_id']].append(i)

    for img in tqdm(data['images']):
        filename = img["file_name"]
        img_width = img["width"]
        img_height = img["height"]
        img_id = img["id"]
        head, tail = os.path.splitext(filename)
        ana_txt_name = head + ".txt"
        f_txt = open(os.path.join(ana_txt_save_path, ana_txt_name), 'w')
        for ann_id in img_ann_dict[img_id]:
            ann = data['annotations'][ann_id]
            box = convert((img_width, img_height), ann["bbox"]</