yolov8实现图集模型训练

  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：zdjy

conda下载地址

Miniconda — Anaconda documentation

labelimg采集工具：

链接：https://pan.baidu.com/s/1uNJ7CC32tvPtYXyl1zAxtg 
提取码：m78o

yolov8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

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

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。