yolov8预测入门

一、前言

        最近学了一些yolov8的使用方法，参加机器人大赛中先进视觉赛的校赛，时间仓促并且是新手，拿了个校三，记录一下入门使用方法（本文重点介绍yolov8相关的使用，对于其他工具的详细安装请查询其他文章）

        github代码官网：https://github.com/ultralytics/ultralytics

        文档官网：https://docs.ultralytics.com​​​​​​

        b站参考视频：安装+预测+数据集+训练

二、入门篇

1、安装

（1）前提：

        下载miniconda或者anaconda，创建一个ultralytics新环境，新建项目并使用该环境，在环境中根据自己电脑的配置（有无cuda）下载pytorch

（2）方法一：

        一行命令安装即用，但不能修改源码

pip install ultralytics

（3）方法二（推荐）：

        在github代码官网（见前言）下载源码到新项目，切换到新环境，运行下面命令

pip install -e .

        将当前目录（即该项目）以可编辑模式（对源码的修改会立即反应到环境）安装到该环境

2、使用yolov8预测

（1）命令行方式

yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg

        第一次运行时，会在根目录的model路径寻找yolov8n.pt，在该目录自动下载，也可以自己手动下载后放到项目中

        source为需要预测的图片路径，conf为输出置信度阈值，iou为输出两个边界框重叠程度阈值

        其他参数可以在文档官网：https://docs.ultralytics.com/modes/predict/

（2）python代码方式

from ultralytics import YOLO

yolo = YOLO("yolov8n.pt.pt", task="detect")

# 图片或视频，conf越小iou越大框越多
result = yolo(source="ultralytics/assets/zidane.jpg", save=True, conf=0.5)

# 屏幕
# result = yolo(source="screen")

# 摄像头
# result = yolo(source=0)

        结果对象中目标框信息

# boxes信息
result_npy = result[0].boxes.xywh.cpu().numpy()

        其他参数见文档：https://docs.ultralytics.com/modes/predict/#working-with-results

3、数据集

（1）目录格式

        以官方coco128数据集为例

        该数据集下载方式：文件/ultralytics/cfg/datasets/coco128.yaml中最下方链接

|——根目录
    |——datasets
        |——coco128
	        |——images
		        |——train2017
		        |——val2017
	        |——labels
		        |——train2017
		        |——val2017
            |——yaml

        coco128使用自己的数据包名，train2017和val2017分别为训练集和验证集的包名，可以加个test测试集；images中放图片，labels中放标签，一个图片对应一个标签文件，并且文件名要相同；yaml中写该数据集的配置，按照/ultralytics/cfg/datasets/coco128.yaml中格式编写

（2）数据集获取

方法一：

        开源数据集：https://universe.roboflow.com/roboflow-100

方法二：

        给自己的数据集打标签：https://www.makesense.ai

4、模型训练

（1）方法一：

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

        data为数据集的yaml文件，model为初始训练权重，epochs为训练轮数

        其他参数见文档：https://docs.ultralytics.com/modes/train/#train-settings

（2）方法二：

        复制一份配置文件，执行以下命令，得到default_copy.yaml

yolo copy -cfg

        修改复制的yaml中的训练参数，如model、data、epochs，然后使用以下命令开始训练

yolo cfg=default_copy.yaml

三、遇到过的问题

问题：

        项目在新路径重新运行，但代码中的相对路径全都使用的旧路径

原因：

        源码中每次运行都会在~/AppData/Roaming/Ultralytics文件夹寻找settings.yaml文件（里面有个datasets_dir指定数据的绝对路径），如果没有就用目前运行环境创建，如果存在就直接使用

解决：

        方法一：删除~/AppData/Roaming/Ultralytics文件夹下的settings.yaml，但每次更换目录后都要删除再训练

        方法二：修改源码，注释ultralytics/utils/__init__.py文件中第954行，让每次运行都重新保存settings.yaml

# if not self.file.exists():
self.save()