yolo图像识别教程 - 以原神人物识别为例（5）

上篇内容:yolo图像识别教程 - 以原神人物识别为例（4）

本篇主要是测试yolov8是否安装成功，以及开始训练

（一）预测

测试用图片

狗

测试代码

 model = YOLO("yolov8m.pt")
 res = model.predict(
        ['test_img/dog.jpg'], save=True, device=0,
        conf=0.5
    )
for i in res:
    print("-----------")
    print(i.boxes)
    print("-----------")
    print(i.cuda())

下面先简单介绍一下参数，后续实际使用会一一介绍。

source:['test_img/dog.jpg']代表图片路径，yoloV8官方支持视频、图片、url等多种形式。

save 是否保存，即是否保存至runs/predict路径下

device使用的设备，cuda或者0，1，2，3等cuda设备编号，或是cpu

conf:置信值，低于该置信值的不显示

在runs/detect/predict下的结果

（二）训练教程

yoloV8的训练非常简单，在完成图像标注后，编制yaml文件即可，例如以下为ys.yaml文件

path:xxxx  #根路径
train: images/train
val: images/val
# 类型名
names:
  0: keqing
  1: ganyu

（一）yolo文件格式

首先需要介绍yolo的文件组织格式，这是固定格式，必须遵守。

我们的数据集分为两个文件夹，分别是imgaes、labels，用来存储图片与标签。images与labels的共同上级目录，为根目录

在images与labels下，分别组织train训练数据、val验证数据、test测试数据等。本次仅组织train与val数据。images下存储图片，labels下存储标签

即文件组织格式为

• 根目录
  • images
    • train
    • val
  • labels
    • train
    • val

（二）yaml文件

在yaml文件中，输入相应路径即可。其中输入的路径为images的路径

在类型中，输入需要训练的分类。这里建议在数据集不大（1个全新的类型，一般最少需要1000张左右的图片）的情况下，最多训练1-2类。否则效果会非常差。