目标检测：3采用YOLOv8 API训练自己的模型

最新推荐文章于 2024-09-06 09:26:19 发布

proing

最新推荐文章于 2024-09-06 09:26:19 发布

阅读量1.4k

点赞数 30

分类专栏： AI 文章标签：目标检测目标跟踪人工智能

本文链接：https://blog.csdn.net/proing/article/details/136028823

版权

本文介绍了如何使用YOLOv8 API进行目标检测模型的训练，包括YOLOv8的新特性，安装步骤，训练模型，验证和测试过程。在训练集较小的情况下，尽管验证和测试结果可能不尽如人意，但文章详细阐述了训练过程中的常见问题和解决方案。

摘要由CSDN通过智能技术生成

1.YOLOv8 的新特性

Ultralytics 为 YOLO 模型发布了一个全新的存储库。它被构建为用于训练对象检测、实例分割和图像分类模型的统一框架。

2.如何使用 YOLOv8？

要充分发挥 YOLOv8 的潜力，需要从存储库和ultralytics包中安装要求。

要安装要求，我们首先需要克隆存储库。

git clone https://github.com/ultralytics/ultralytics.git

接下来，安装requirements

matplotlib>=3.3.0
    numpy>=1.22.2
    opencv-python>=4.6.0
    pillow>=7.1.2
    pyyaml>=5.3.1
    requests>=2.23.0
    scipy>=1.4.1
    torch>=1.8.0
    torchvision>=0.9.0
    tqdm>=4.64.0"
    psutil
    py-cpuinfo
    thop>=0.1.1
    pandas>=1.1.4
    seaborn>=0.11.0"


pip install -r requirements.txt

在最新版本中，Ultralytics YOLOv8 提供了完整的命令行界面 (CLI) API 和 Python SDK，用于执行训练、验证和推理。

如果要使用yoloCLI，需要安装ultralytics包。

pip install  ultralytics

3使用YOLOv8训练模型

进入代码目录cd ultralytics。

创建目录test_train,和文件helmat.yaml。 dataset是上篇文章创建的安全帽数据集，上次训练的数据集只有10张图像。helmat.yaml中设置nc为1.

root@1c6af8fdd164:~/ultralytics/test_train# ls
dataset  helmat.yaml

回到ultralytics目录，创建train.py

root@1c6af8fdd164:~/ultralytics# cat train.py 
from ultralytics import YOLO 

model = YOLO('./test_train/helmat.yaml').load('yolov8n.pt')  # build from YAML and transfer weights

model.train(mode='train', data