yolov8训练自己的数据集进行目标检测/实例分割（2）

前言：

如果需要用YOLOv8训练自己的数据集,首先需要使用标记软件，如labelme,labelimg等对图像进行标注，jpg/tif或其他图像格式标注后会转换为yolo格式或coco格式。（yolo对数据集有自己的规定，目标检测和实例分割的要求各不相同）。

实验环境：

操作系统：Ubuntu 20.04

编程语言：Python 3.8

深度学习框架：PyTorch 1.8

GPU：NVIDIA GeForce RTX 4090

使用labelme标记软件进行标记

下载安装教程链接点击此处

在终端中打开labelme不知道是不是linux系统的缘故，我的labelme不能选择是yolo格式还是coco格式，标记后自动转化为.json文件，而YOLO仅支持txt格式，所以需要脚本转化文件。

转换脚本

标注后的json文件格式为：

目标检测需要的txt文件格式为

数据集目录为（一定要按照格式来！data.yaml后文有讲）

/project-root/
├── train.py
├── data.yaml
└── dataset/
├── images/
│   ├── train/
│   │   ├── img1.jpg
│   ├── val/
│   │   ├── img1.jpg
│   └── test/ (可选，仅推理使用)
├── labels/
│   ├── train/
│   ├── val/
│   │   ├── img1.txt
│   └── test/ (可选&#