Yolov8训练自定义数据集中遇到的问题- labelme安装运行;训练模型。

训练的教程在网上有很多详细的,我参考的是这个帖主的,有需要的朋友可以跳转看看:https://blog.csdn.net/m0_57010556/article/details/135460191?ops_request_misc=&request_id=&biz_id=102&utm_term=yolov8训练自己的数据集%20保姆&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-9-135460191.142^v100^pc_search_result_base3&sp

阶段一:labelme的安装

问题:Labelme的安装成功后,在打开的时候出现过闪退问题。网上的大部分解答是将labelme的版本升级到3.16.2,但电脑一直报错下载不了。

解决方式:通过报错查看一下自己的setuptool 的版本是过高还是过低。我当时显示是过低,将setuptool从65升级到了70,就可以成功下载 labelme 3.16.2的版本了

阶段二:运行

问题一:运行报错:TypeError: ERROR X segment dataset incorrectly formatted or not a segment dataset.

他这个意思就是数据集并不符合YOLOv8的分割数据集格式要求,但我改过default.yaml里面的设置,为什么还会报错。后来发现,是我忘记修改train.py里面的model和task值了。

解决方法:找到数据集相对应的格式。我这边是task改成detect;yolov8n-seg.yaml改成yolov8n.yaml就可以了。

问题二:在运行的时候会出现:no model scale passed. Assuming scale='n'这样的提示。这个看起来不会影响程序运行,但实际上会因为无法检测到你选的model,而匹配使用不适用的model运行。

解决方法:可以检查你下你数据的yaml文件里面的格式。我修改之前的格式是这样的。

将names 的格式修改为以下格式之后就不报错了。

⚠️大家注意一下自己用的路径是绝对路径还是相对路径,我在测试中是要写上绝对路径才不显示报错。

update:这两天试着训练另外一个数据集,发现它一直在显示:ignoring corrupt image/label: [Errno 2] No such fil e or directory这样的一个问题看了很多网上提供的解决方法之后还是无果。

解决方法:我最后是回到储存images的文件夹下面看看原数据下载有没有问题。最后发现images里面有很多下载失败的图像,后续重新下载一下warning就没有了。

欢迎小伙伴们留言指正交流!

References:

YOLOv8制作自己的目标检测数据集保姆级教程(包含json转xml转txt)_yolov8数据集制作-CSDN博客labelme的安装及使用_labelme安装-CSDN博客

labelme安装失败 - CSDN文库

你好!对于训练 YOLOv8 使用自己的数据集,你可以按照以下步骤进行操作: 1. 收集和标注数据:首先,你需要收集相关的图像数据,并使用标注工具(如LabelMe)对这些图像进行标注。确保你的标注包含物体的边界框和相应的类别标签。 2. 转换标注格式:YOLOv8 使用的是特定的标注格式,即每个图像对应一个 .txt 文件,其每一行表示一个物体的边界框和类别信息。你可以编写脚本将 LabelMe 的标注数据转换为这种格式。 3. 准备训练数据:将数据集分为训练集和验证集。通常,你需要将数据集划分为大约80%的训练集和20%的验证集。确保每个图像和其对应的标注文件位于相同的文件夹。 4. 配置训练参数:准备一个配置文件,其包含训练相关的参数,如学习率、批量大小、训练轮数等。此外,还需要指定类别标签和模型的输入尺寸。 5. 下载 YOLOv8 源码:从 GitHub 上下载 YOLOv8 的源码,并根据你的需求进行相应的修改。 6. 运行训练:使用命令行运行训练脚本,并指定训练集和验证集的路径,以及先前配置好的参数文件。训练过程可能需要一段时间,具体时间取决于你的数据集规模和硬件配置。 7. 检查训练结果:训练完成后,你可以使用训练好的模型对图像进行预测,并查看其检测效果。可以编写一些脚本来可视化检测结果或计算模型的性能指标。 请注意,YOLOv8 是一个比较复杂的模型,需要一定的计算资源和训练时间。此外,良好的数据标注和充足的训练样本对于获得好的检测结果也是非常重要的。希望这些步骤能够帮助你成功地训练 YOLOv8 使用自己的数据集
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值