【yolo12】windows下使用自己的数据集训练目标检测模型

一、anaconda安装

直接参考这篇博客：
https://blog.csdn.net/m0_71523511/article/details/136546588

pycharm开发环境参考：
https://www.bilibili.com/video/BV1Cr4y1u76N/?p=3&spm_id_from=pageDriver&vd_source=2a10d30b8351190ea06d85c5d0bfcb2a

二、环境配置

打开anaconda命令行：

conda create -n yolov12 python=3.9
conda activate yolov12

#注意这里要在windows下跑，就不能下载txt中的whl文件，所以删除flash_attn-2.7.3+cu11torch2.2cxx11abiFALSE-cp311-cp311-linux_x86_64.whl
pip install -r requirements.txt
pip install -e .

这里需要将ultralytics/nn/modules/block.py里面的第1160-1164行注释，然后将1219行的# if x.is_cuda:改成# if False。
这样才可以不使用flash_attn_func加速计算，使用下面的分支效果是一样的，只是慢一点。

三、数据集制作

1、labelimg的安装

首先打开cmd命令行（快捷键：win+R）。进入cmd命令行控制台。输入如下的命令：`

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

2、使用labelimg`

①搜索labelimg

②设置

格式选择yolo，然后点击open dir，选择存放待打标图片的文件夹，点击change save dir来更改保存标签的文件夹。

③打标

常用快捷键如下：

A：切换到上一张图片

D：切换到下一张图片

W：调出标注十字架

del ：删除标注框框

Ctrl+u：选择标注的图片文件夹

Ctrl+r：选择标注好的label标签存在的文件夹

这样标注完之后可以在保存标签的目录看到yolo格式的标签，它会自己生成一个类别文件：

四、正片

1、下载yolo12源码

https://github.com/sunsmarterjie/yolov12
解压后目录如下：

2、数据集目录

将前面打标好的数据集以下面这种目录格式放置，并新建data.yaml文件：

data.yaml文件如下：
names根据自己数据集的标签来，train和val就是训练集和验证集的图片路径

train: C:/new_pycharm_project/yolo12-main/datasets/Data/train/images
val: C:/new_pycharm_project/yolo12-main/datasets/Data/val/images


# Classes
nc: 3  # number of classes
names: ['person', 'hat', 'one']  # class names

3、训练

在数据集的同级目录下新建一个train.py文件：

from ultralytics import YOLO

model = YOLO('./ultralytics/cfg/models/v12/yolov12.yaml')

# Train the model
results = model.train(
  data='./datasets/Data/data.yaml',
  epochs=600,
  batch=4,
  imgsz=640,
  scale=0.5,  # S:0.9; M:0.9; L:0.9; X:0.9
  mosaic=1.0,
  mixup=0.0,  # S:0.05; M:0.15; L:0.15; X:0.2
  copy_paste=0.1,  # S:0.15; M:0.4; L:0.5; X:0.6
  device="cpu",
)

右击开始训练：

等待训练结束之后可以在runs目录下找到权重文件。

4、推理

在数据集的同级目录下新建一个infer.py文件，并放置一张待检测的图片名字为infer.jpg：

from ultralytics import YOLO

model = YOLO('yolov12{n/s/m/l/x}.pt')
model.predict()

运行结果如下：