记录：yolov8训练自己的数据集

一、LabelImg标注自己的原图数据集 .xml标注格式

二、带标签的数据增强

先将原始数据（图片，标注）转移到项目根目录，然后再数据增强，避免标注内容路径错误。
亮度变换加旋转

# 一、亮度
img_dir = 'multi/images'  # 原始图片路径
anno_dir = 'multi/label'  # 原始标签路径
img_write_dir = 'multidata/images'
anno_write_dir = 'multidata/label'
# 第二步：旋转 90和180旋转两次
angle = 90

img_dir='multidata/images' # 输入图片路径
anno_dir='multidata/label' # 输入标签路径
img_write_dir='multidata/images'
anno_write_dir='multidata/label'

三、利用labelimg查看标签，手动剔除旋转造成的无效标签

ubuntu下安装labelimg

用网上的终端clone源码教程安装行不通，直接pip install labelimg就完事儿了，非常快。随后一个个图片查看标签
。

在旋转过程中可能会出现如下的边界标签，需要手动删除

四、xml转txt

由于yolo数据集的标注格式要求是txt，所以需要把刚刚标注的xml转换为txt格式

五、创建数据集格式目录，划分数据集

最终结构

六、训练

从头训练
yolo task=detect mode=train model=data/yolov8n.yaml data=data/data.yaml epochs=100 imgsz=640 resume=True
基于模型训练
yolo task=detect mode=train model=runs/detect/train6/weights/best.pt data=multi/data.yaml epochs=100 imgsz=640

七、改进模型

在终端运行

python setup.py develop

这样就不需要去修改虚拟环境中的库文件代码，修改本地项目文件夹里的代码就能生效。