YOLOv8模型训练说明文档

YOLOv8模型训练说明文档

获取数据集

方式一：通过一些数据集网站获取

1. https://www.cvmart.net/

2. https://aistudio.baidu.com/datasetdetail/50329

3. https://universe.roboflow.com/

4. https://www.kaggle.com/datasets

注意：后面两个可能需要科学上网，1和3比较好用

方式二：自己收集素材标记

素材收集

素材也可以通过方式一先搜索一个近似的，比如当需要识别开个关门的时候，可以搜多个门的数据集，然后将这些门分类成为开门和关门，这样就有了基础的巡检素材

素材标记

LabelImg与使用

1、安装anaconda

Download Anaconda Distribution | Anaconda

需要输入邮箱，然后通过邮箱连接下载

2、新建一个conda环境

以下命令要在Anaconda Prompt中执行

# 添加一个基础环境目录，如果不执行，新建的环境没有名称，切换的时候麻烦
conda config --append envs_dirs D:\anaconda3\envs

# 添加一个基础环境，最后以及是环境名
conda create --prefix=D:\anaconda3\envs\labelimg python=3.12

# 切换环境
conda activate labelimg

# 安装labelimg，过程可能会报错，缺少系统文件，根据错误查找解决办法即可
pip install labelimg

# 打开labelimg
labelimg

3、labelimg用法

修改数据集类型，切换为yolo

修改保存txt标记文件的位置

打开存放图片文件的文件夹

按【W】开始，点击图片拖动，选中要标记的内容

在对话框中输入标记实体的名称

然后按【D】下一个，按【A】上一个，每次处理完一张图片都会提示保存，选择【ok】即可

开始构建训练目录

建议在一开始的时候就把训练图片和验证的图片分开，分别标记，如果是下载的数据集，则应该直接包含了最少这两部分，也有可能还包含了test测试部分

新建一个conda环境

1、安装yolo

# 添加一个基础环境，最后以及是环境名
conda create --prefix=D:\anaconda3\envs\yolo python=3.12

# 切换环境
conda activate yolo

# 安装yolo
pip install ultralytics

构建训练目录

# 训练目录结构
├─datasets 
│  ├─images # 图片
│  │  ├─train # 训练图片
│  │  └─val # 验证图片
│  └─labels # 标记
│      ├─train # 训练标记 标记文件和图片文件同名，另外会多一个class.txt的文件
│      └─val # 验证标记 标记文件和图片文件同名，另外会多一个class.txt的文件
├─data.yaml # yaml配置文件，具体内容说明如下

data.yaml文件说明

# 训练图片位置
train: .\datasets\images\train
# 验证图片位置
val: .\datasets\images\val
# 标记种类个数
nc: 2
# 标记内容
names: ['open', 'close']

执行训练命令

yolo train data=./data.yaml epochs=10

获取pt文件

打开runs\detect\train\weights 目录（与yaml同级），找到best.pt文件，就可以开始使用模型了