Yolov8训练自己的数据集（DIOR）

最新推荐文章于 2025-03-14 17:27:48 发布

sulkiness

最新推荐文章于 2025-03-14 17:27:48 发布

阅读量1.7k

点赞数 5

文章标签： YOLO python

本文链接：https://blog.csdn.net/weixin_43365477/article/details/135756127

版权

1.准备环境

pytorch-1.8.1，torchvision-0.9.1，python-3.9，

然后安装ultralytics。

pip install ultralytics

2.准备数据集+配置文件

在训练YOLOv8时，选择的数据格式是VOC，然后将数据集转换成可以直接让YOLOv8进行使用。

（数据集转换格式请参照此篇文章DIOR数据集xml转txt格式并划分训练集测试集验证集（用于yolo）-CSDN博客）

配置文件dior.yaml

3.下载权重

下载对应版本的模型https://github.com/ultralytics/assets/releases

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

sulkiness

关注关注

5
点赞
踩
14

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【目标检测】基于yolov6的钢筋检测和计数(附代码和数据集)

学无止境、积少成多、厚积薄发

01-12

2012

手把手系列教程：基于yolov6的钢筋检测和计数(附代码和数据集)

YOLOv8训练自己的数据集

qq_45050922的博客

09-07

3164

注释：在设置模型规模(n，s，m，l，x)的时候，直接通过Model_yaml参数来设置：model_yaml=r"D:\edge\YOLO\YOLOv8_Official_Version\ultralytics\cfg\models\v8\yolov8s.yaml"，虽然该路径下没有yolov8s.yaml的文件，但是v8可以识别出来选择的模型类型。路径：ultralytics\cfg\models\v8\yolov8.yaml 模型加载文件只需要修改类别数nc即可。train(文件夹)

1 条评论您还未登录，请先登录后发表或查看评论

[DIOR | DIOR-R]旋转目标检测数据集——基于YOLOv8obb，map50已达81.8%

小嘤熊的博客

01-26

6361

这20个对象类是飞机、机场、棒球场、篮球场、桥梁、烟囱、水坝、高速公路服务区、高速公路收费站、港口、高尔夫球场、地面田径场、天桥、船舶、体育场、储罐、网球场、火车站、车辆和风磨。解压后，标签内的Horizontal Bounding Boxes为水平框，Oriented Bounding Boxes为旋转框，如下所示为旋转框示例，可以看到相关的信息，如坐标、角度、标签等信息。数据集是在DIOR数据集的基础上，对目标实例重新标注边框，采用旋转框标注，这样避免了水平框的重叠问题。

用Yolov8训练自己的数据集

a3188045002的博客

04-01

525

上一次初步的介绍了一下Yolov8，这次就详细的说明一下如何训练自己的数据集。首先要准备数据，我这里用的是K同学啊的水果数据集。图片是不同角度下的水果照片，数据集包括水果在图片里的位置，图片大小等信息，格式为xml。训练好后我们就可以在runs/detect/train/weights文件夹中找到我们训练好的模型，一般使用best.pt模型。有了以上的数据和图片后，我们就可以训练自己的数据集了。以第一行为例，第一个数字代表的是目标的序列，后面的数字是目标的位置信息。这里我们就完成了训练自己的模型了。

mmrotate训练自己的数据集（以dior为例）

最新发布

u011036984的博客

03-14

541

dior数据集共包含四个文件夹：Layout：空Maintrain.txtval.txttest.txt空11726.jpg00001.jpg2.将DIOR处理成DOTA格式(1)xml转换为txt，修改input_folder、output_folder路径为自己的。（2）标签划分：DIOR数据集本身所有的标签是放在一起的，需要按照DOTA格式划分标签。

YOLOv8训练DIOR

weixin_46672785的博客

03-22

193

【代码】YOLOv8训练DIOR。

Yolov8训练自己的数据集-GPU

H_XKA_H的博客

04-24

2527

yolov8的训练流程，跟前面yolov7 v5都训练都差不多，前面版本的超参在v8都是能用的，训练的命令基本差不多，相比前面版本，v8的项目文件会更加干净，没有那么乱，而且方便快捷，几个命令就能开始训练了。

yolov8训练自己的数据集

qianxun

01-11

6177

yolov8真的来了！U神出品的yolov8，虽然还没正式公布，但是已经放出代码了。代码有着很强烈的yolov5风格。学的速度还跟不上别人更新的速度，咋玩呀！先看看yolov8seg、det的炼丹。再看看map：：都快卷秃噜皮了。yolov8s已经达到了0.6ms了。先看看ONNX图：这个是带NMS的。1、yolov8是无锚框了。真的快要卷秃噜皮了！学习的速度跟不上别人更新的速度。训练结果：我是训练了2次；第一次map50=0.915 第二次0.911。参数量进行对比：V8s的参数量明显是比v5s大的。

YOLOv8训练自己数据集

m0_60985598的博客

05-31

9277

原因是因为Ubuntu下的远程服务器中的setting设置导致的，因此，要把数据集dataset复制一份，挪到datasets（自己新建一个）中。上传命令的话，恒源云官方文档都有，如果有实在不会的小伙伴，记得评论区留言！其次，这里的imgsz根据自己数据集选择，不要太大！batch一般就是4，16，32，64，自己选。当然，大家有问题可以在评论区留言，当然有时候可能系统信息太多可能会漏，大家可以在b站发消息给我！到此，数据集制作就完成了，如果有想要划分数据集图像的代码，可以关注留言，我可以看到。

YOLOv7船舶检测+代码+数据集

12-14

在这个“YOLOv7船舶检测+代码+数据集”压缩包中，包含了进行船舶检测所需的所有关键元素，使得研究人员和开发者能够快速地搭建和训练自己的船舶检测系统。首先，YOLOv7的核心在于其网络结构的优化。相比于早期的...

如何训练自己的数据集之——DIOR遥感小目标目标检测数据集

2401_88441190的博客

10-28

3372

【DIOR遥感小目标目标检测数据集】该数据集共包括20个类别；共计图片23463张图片，训练集11725，验证集11738 已处理成yolo格式、voc格式，可直接用于训练； ***已亲测过，模型效果有保障；标签类别及各类别标签个数如下（train/test） 0 harbor 港口 2369 3140 1 ship 船舶 27292 35108 2 storagetank 储罐 3053 23361 3 chimney 烟囱 649 1032 4 dam 水坝 512 537 5 trainstat

DIOR数据集标签文件xml转YOLOv5适用的txt文件

m0_47046098的博客

10-04

1622

DIOR数据集标签文件xml转YOLOv5适用的txt文件

YOLOV8训练自己的数据集

yxk666的博客

09-05

7874

YOLOV8快速上手训练自己的数据集并进行预测

yolov8 训练自己的数据集

zhaoluruoyan89的博客

07-11

610

voc格式yolo格式。

YOLOv8-训练自己的数据集

qq_46542320的博客

11-05

8074

model：选择YOLOv8不同的模型配置文件，可选yolov8s.yaml、yolov8m.yaml、 yolov8x.yaml等。mode：选择任务类型，可以选择训练、验证或者预测的任务，['train' 'val' 'test']task：选择任务类型，可以选择['detect' 'segment' 'classify' 'init']原本红框内是80，则改为4，你的数据集类别个数有多少，就写多少。

Yolov8训练自己的数据集

03-30

8683

用yolov8训练自己的数据集，熟悉yolov8整个流程，便于下一步魔改网络等

YoloV8训练自己的数据集

2301_79152843的博客

08-24

9075

yolov8训练自己的数据集

yolov11遥感图像数据集

12-28

对于YOLOv11应用于遥感图像处理，多个现有的高分辨率（VHR）遥感图像数据集可以作为训练和测试的基础。这些数据集不仅提供了丰富的地理场景多样性，还涵盖了多种类型的地物目标。 #### NWPU VHR-10 数据集 该数据集...