使用 Ultralytics YOLOv8 训练自定义目标检测模型-CSDN博客

本文链接：https://blog.csdn.net/weixin_70043030/article/details/148129885

使用 Ultralytics YOLOv8 训练自定义目标检测模型

Ultralytics 的 YOLOv8 是目前目标检测领域中最流行、最易用的开源项目之一。本文将手把手教你如何使用 YOLOv8 训练自定义数据集，适用于想要检测特定物体或进行项目落地的开发者。

🧰 一、环境准备

首先，你需要配置好 Python 环境并安装 ultralytics。

1. 创建虚拟环境（可选）

conda create -n yolo_env python=3.10 -y
conda activate yolo_env

2. 安装 Ultralytics YOLOv8

pip install ultralytics

验证是否安装成功：

yolo help

📁 二、准备自定义数据集

YOLOv8 使用 YOLO 格式，每张图片需配套一个 .txt 标签文件，格式如下：

class_id x_center y_center width height

坐标都是对图片宽高的归一化值（范围在 0~1 之间）。

1. 数据集目录结构

建议整理成如下结构：

datasets/
└── my_dataset/
    ├── images/
    │   ├── train/
    │   └── val/
    └── labels/
        ├── train/
        └── val/

2. 数据配置 YAML 文件

新建 my_dataset.yaml：

path: datasets/my_dataset
train: images/train
val: images/val

names:
  0: cat
  1: dog
  2: rabbit

🚀 三、开始训练模型

使用 yolo 命令行开始训练：

yolo task=detect mode=train model=yolov8n.yaml data=my_dataset.yaml epochs=100 imgsz=640 batch=16

参数说明：

task=detect：目标检测任务
model=yolov8n.yaml：使用轻量级模型
data=my_dataset.yaml：数据配置文件
epochs=100：训练 100 轮
imgsz=640：输入图像大小
batch=16：批量大小

训练过程会生成相关结果于 runs/detect/train/。

📊 四、查看训练结果

训练结束后，会生成：

results.png：Loss/精度/收回率/响应时间折线图
weights/：包括 best.pt，last.pt 模型

使用如下方式可观看评估指标：

from ultralytics import YOLO

model = YOLO('runs/detect/train/weights/best.pt')
metrics = model.val()

🧪 五、模型推理测试

1. 命令行模型推理

yolo task=detect mode=predict model=runs/detect/train/weights/best.pt source=path/to/image.jpg

2. Python API

from ultralytics import YOLO

model = YOLO('runs/detect/train/weights/best.pt')
results = model('path/to/image.jpg')
results[0].show()

💪 附加：评估结果推荐代码

from ultralytics import YOLO

# 载入最佳模型
model = YOLO("runs/detect/train/weights/best.pt")

# 进行验证
metrics = model.val()

# 输出统计结果
print("mAP50:", metrics.box.map50)
print("mAP50-95:", metrics.box.map)
print("Precision:", metrics.box.precision)
print("Recall:", metrics.box.recall)