YOLOV8训练自己的数据(训练样本整理)

AI笔记

已于 2023-03-14 15:40:12 修改

阅读量3k

点赞数 5

分类专栏： python 图像算法 yolov8 文章标签： YOLO python 开发语言

于 2023-03-14 15:24:04 首次发布

本文链接：https://blog.csdn.net/ruleng8662/article/details/129522449

版权

python 同时被 3 个专栏收录

3 篇文章 0 订阅

订阅专栏

图像算法

2 篇文章 0 订阅

订阅专栏

yolov8

1 篇文章 0 订阅

订阅专栏

YOLOV8训练自己的数据(训练样本整理/训练和预测)

YOLOV8训练自己的数据语义分割篇

yolov8都出来了，你还在用老模型？确定不一起来看看？

1、模型下载

https://github.com/ultralytics/ultralytics

下载下来后用自己以前配置的py38的环境进行运行，正常可用。按项目需求，配置安装相应的包，并下载预训练权重文件。

2、训练样本配置文件生成

2.1数据标注

使用cvat等工具标注好自己的数据，导出对应的 /annotations/instances_test2017.json 文件

2.2将json文件格式转换成yolov8训练所需数据格式

代码参考https://github.com/ultralytics/JSON2YOLO感谢贡献者
使用程序general_json2yolo.py 进行数据格式转换。
在这里插入图片描述
数据转换过程中出现了报错，错误不记得了。
做了如下几个修改，可以正常使用了：
a:修改general_json2yolo.py文件

b:修改utils.py文件

将unity.py中添加如下程序

def coco91_to_coco1280_class(data):  # converts 80-index (val2014) to 91-index (paper)
    # https://tech.amikelive.com/node-718/what-object-categories-labels-are-in-coco-dataset/
    cls_json = data['categories']
    clss = {'%g' % x['id']: x["name"] for x in cls_json}
    if not os.path.exists('ultralytics-main/mydata_process/json2yolo-master/labelfile.txt'):
        labelfiles=[]
        print('label file empty')
    else:
        print('read exist label')
        with open('ultralytics-main/mydata_process/json2yolo-master/labelfile.txt','r') as f:
            labelfiles = f.read().split('\n')[:-1]



cout = 0
for tmp in cls_json:
    k,v  = tmp['id'], tmp['name']
    if v not in labelfiles:
        with open('ultralytics-main/mydata_process/json2yolo-master/labelfile.txt','a') as fw:
            fw.write(str(v)+'\n')

        with open('ultralytics-main/mydata_process/json2yolo-master/labelfile_bak.txt','a') as fw:
            fw.write('{}: '.format(cout) + str(v)+'\n')
        cout += 1

with open(
        'ultralytics-main/mydata_process/json2yolo-master/labelfile.txt',
        'r') as f:
    labelfiles = f.read().split('\n')[:-1]


clss_out = {'{}'.format(labelfiles[i]) : i for i in range(len(labelfiles))}

return clss, clss_out