参考大神视频(讲的很好小白可以参考下):小白别错过!如何使用YOLOv8训练自己的数据集(带附件)_哔哩哔哩_bilibili
原码分享:
链接:https://pan.baidu.com/s/1WxXKGem8c0JWV_raFvUagw
提取码:zdjyconda下载地址
Miniconda — Anaconda documentation
labelimg采集工具:
链接:https://pan.baidu.com/s/1uNJ7CC32tvPtYXyl1zAxtg
提取码:m78oyolov8下载地址:
GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
环境:(如果缺失插件自行添加conda install ****,pip install ***)
conda 4.9.2,labelimg,yolov8
采集流程:
1.打开windows_v1.8.1中的labelImg.exe标注工具
2.进行模型标注(图片准备最好50张以上)
3.修改yolov8配置,进行train,val分类
》》》》重要《《《《 (代码分,尽量不要手动分,大概率会出问题)
》》》》重要《《《《 (代码分,尽量不要手动分,大概率会出问题)
》》》》重要《《《《 (代码分,尽量不要手动分,大概率会出问题)
图片文件夹目录同级生产myseg.py,修改分类目录,执行python myseg.py,进行分类
使用terminal进行分类操作:python myseg.py
期间会有各种缺失,使用pipi install *** 安装
修改配置,分类数据进行训练
项目根目录新建:mt.yaml、mtyolov8.yaml、yolov8n.pt、demo_q.py
>>>>>>>>>训练:python demo_q.py<<<<<<<<<<<<<<<<
至此训练完成,可以通过best.pt进行图像识别了。
例如:
新建python文件进行执行
from ultralytics import YOLO
# 初始化YOLO模型,加载权重
model = YOLO('runs/detect/train16/weights/best.pt')
# 运行图片检测
results = model.predict('D:/work/workspace/pythonwork/42/dome-bak1/images/34.jpg', save_txt=True, imgsz=416, save_conf=True)
# 打印结果
# print(results)
# 输出检测结果
for prediction in results:
print(prediction)
效果如下:
项目源码可在上方下载。
很突然的一个需求,折腾了2周多终于出来了,以前都是java开发,第一次接触python,有不足地方请谅解。