yolov8训练自己的数据集

---

前言

此文以目标检测为例进行说明，使用标注工具对数据集进行标注后生成的标注文件，在使用yolo训练时无法直接使用，必须要转换为yolo可识别的格式文件txt才能进行训练。

---

一、制作训练集

可以使用robotflow进行标注，直接生成yolo格式的标注文件，但因其为外网链接，速度不快，不怎么使用，通常使用labelimg 、labelme等标注工具对自己的数据集进行标注，网上有很多标注工具可以选择，labelimg标注生成xml文件，labelme标注生成json文件。

二、标签文件格式转换

1.xml转txt

代码如下（示例）：

import xml.etree.ElementTree as ET
import cv2
import os
import numpy as np

#类别名称
classes = ['ld', 'st'] 

#归一化处理
def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    y = y * dh
    w = w * dw
    h = h * dh
    return (x, y, w, h)

# xml文件转txt文件
def convert_annotation(xmlpath, xmlname):
    with open(xmlpath, "r", encoding='utf-8') as in_file:
        txtname = xmlname[:-4] + '.txt'
        txtfile = os.path.join(txtpath, txtname)
        tree = ET.parse(in_file)
        root = tree.getroot()
        size = root.find('size')
        # 获得宽
        w = int(size.find('width').text)
        # 获得高
        h = int(size.find('height').text)
        res = []
        for obj in root.iter('object'):
            cls = obj.find(