位置: IT常识 - 正文

YOLOv8训练自己的数据集(超详细)(yolov8训练自己的数据集 Windows)

编辑:rootadmin
YOLOv8训练自己的数据集(超详细)  一、准备深度学习环境

推荐整理分享YOLOv8训练自己的数据集(超详细)(yolov8训练自己的数据集 Windows),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolov8训练自己的数据集map只有1%,yolov8训练自己的数据集 Windows,yolov8训练自己的模型,yolov8训练自己的模型,yolov8训练自己的数据集map为什么很低很低,yolov8训练自己的数据集,yolov8训练自己的数据,yolov8训练自己的数据集,内容如对您有帮助,希望把文章链接给更多的朋友!

本人的笔记本电脑系统是:Windows10 YOLO系列最新版本的YOLOv8已经发布了,详细介绍可以参考我前面写的博客,目前ultralytics已经发布了部分代码以及说明,可以在github上下载YOLOv8代码,代码文件夹中会有requirements.txt文件,里面描述了所需要的安装包。

本文最终安装的pytorch版本是1.8.1,torchvision版本是0.9.1,python是3.7.10,其他的依赖库按照requirements.txt文件安装即可。

然后还需要安装ultralytics,目前YOLOv8核心代码都封装在这个依赖包里面,可通过以下命令安装

pip install ultralytics二、 准备自己的数据集

本人在训练YOLOv8时,选择的数据格式是VOC,因此下面将介绍如何将自己的数据集转换成可以直接让YOLOv8进行使用。

1、创建数据集

我的数据集都在保存在mydata文件夹(名字可以自定义),目录结构如下,将之前labelImg标注好的xml文件和图片放到对应目录下 mydata …images # 存放图片 …xml # 存放图片对应的xml文件 …dataSet #之后会在Main文件夹内自动生成train.txt,val.txt,test.txt和trainval.txt四个文件,存放训练集、验证集、测试集图片的名字(无后缀.jpg) 示例如下: mydata文件夹下内容如下:

image为VOC数据集格式中的JPEGImages,内容如下:

xml文件夹下面为.xml文件(标注工具采用labelImage),内容如下: 

dataSet 文件夹下面存放训练集、验证集、测试集的划分,通过脚本生成,可以创建一个split_train_val.py文件,代码内容如下:# coding:utf-8import osimport randomimport argparseparser = argparse.ArgumentParser()# xml文件的地址,根据自己的数据进行修改 xml一般存放在Annotations下parser.add_argument('--xml_path', default='xml', type=str, help='input xml label path')# 数据集的划分,地址选择自己数据下的ImageSets/Mainparser.add_argument('--txt_path', default='dataSet', type=str, help='output txt label path')opt = parser.parse_args()trainval_percent = 1.0train_percent = 0.9xmlfilepath = opt.xml_pathtxtsavepath = opt.txt_pathtotal_xml = os.listdir(xmlfilepath)if not os.path.exists(txtsavepath): os.makedirs(txtsavepath)num = len(total_xml)list_index = range(num)tv = int(num * trainval_percent)tr = int(tv * train_percent)trainval = random.sample(list_index, tv)train = random.sample(trainval, tr)file_trainval = open(txtsavepath + '/trainval.txt', 'w')file_test = open(txtsavepath + '/test.txt', 'w')file_train = open(txtsavepath + '/train.txt', 'w')file_val = open(txtsavepath + '/val.txt', 'w')for i in list_index: name = total_xml[i][:-4] + '\n' if i in trainval: file_trainval.write(name) if i in train: file_train.write(name) else: file_val.write(name) else: file_test.write(name)file_trainval.close()file_train.close()file_val.close()file_test.close() 运行代码后,在dataSet 文件夹下生成下面四个txt文档:

三个txt文件里面的内容如下: 

 2、转换数据格式YOLOv8训练自己的数据集(超详细)(yolov8训练自己的数据集 Windows)

接下来准备labels,把数据集格式转换成yolo_txt格式,即将每个xml标注提取bbox信息为txt格式,每个图像对应一个txt文件,文件每一行为一个目标的信息,包括class, x_center, y_center, width, height格式。格式如下:

 创建voc_label.py文件,将训练集、验证集、测试集生成label标签(训练中要用到),同时将数据集路径导入txt文件中,代码内容如下:# -*- coding: utf-8 -*-import xml.etree.ElementTree as ETimport osfrom os import getcwdsets = ['train', 'val', 'test']classes = ["a", "b"] # 改成自己的类别abs_path = os.getcwd()print(abs_path)def convert(size, box): dw = 1. / (size[0]) dh = 1. / (size[1]) x = (box[0] + box[1]) / 2.0 - 1 y = (box[2] + box[3]) / 2.0 - 1 w = box[1] - box[0] h = box[3] - box[2] x = x * dw w = w * dw y = y * dh h = h * dh return x, y, w, hdef convert_annotation(image_id): in_file = open('data/mydata/xml/%s.xml' % (image_id), encoding='UTF-8') out_file = open('data/mydata/labels/%s.txt' % (image_id), 'w') tree = ET.parse(in_file) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) for obj in root.iter('object'): # difficult = obj.find('difficult').text difficult = obj.find('Difficult').text cls = obj.find('name').text if cls not in classes or int(difficult) == 1: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) b1, b2, b3, b4 = b # 标注越界修正 if b2 > w: b2 = w if b4 > h: b4 = h b = (b1, b2, b3, b4) bb = convert((w, h), b) out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')wd = getcwd()for image_set in sets: if not os.path.exists('data/mydata/labels/'): os.makedirs('data/mydata/labels/') image_ids = open('data/mydata/dataSet/%s.txt' % (image_set)).read().strip().split() list_file = open('paper_data/%s.txt' % (image_set), 'w') for image_id in image_ids: list_file.write(abs_path + '/mydata/images/%s.jpg\n' % (image_id)) convert_annotation(image_id) list_file.close() 3、配置文件

1)数据集的配置 在mydata文件夹下新建一个mydata.yaml文件(可以自定义命名),用来存放训练集和验证集的划分文件(train.txt和val.txt),这两个文件是通过运行voc_label.py代码生成的,然后是目标的类别数目和具体类别列表,mydata.yaml内容如下:

2) 选择一个你需要的模型 在ultralytics/models/v8/目录下是模型的配置文件,这边提供s、m、l、x版本,逐渐增大(随着架构的增大,训练时间也是逐渐增大),假设采用yolov8x.yaml,只用修改一个参数,把nc改成自己的类别数,需要取整(可选) 如下:

  至此,自定义数据集已创建完毕,接下来就是训练模型了。

 三、模型训练1、下载预训练模型

在YOLOv8的GitHub开源网址上下载对应版本的模型

 2、训练

接下来就可以开始训练模型了,命令如下:

yolo task=detect mode=train model=yolov8x.yaml data=mydata.yaml epochs=1000 batch=16

以上参数解释如下:

task:选择任务类型,可选['detect', 'segment', 'classify', 'init']

mode: 选择是训练、验证还是预测的任务蕾西 可选['train', 'val', 'predict']

model: 选择yolov8不同的模型配置文件,可选yolov8s.yaml、yolov8m.yaml、yolov8l.yaml、yolov8x.yaml

data: 选择生成的数据集配置文件

epochs:指的就是训练过程中整个数据集将被迭代多少次,显卡不行你就调小点。 batch:一次看完多少张图片才进行权重更新,梯度下降的mini-batch,显卡不行你就调小点。  

训练过程如下所示

本文链接地址:https://www.jiuchutong.com/zhishi/298579.html 转载请保留说明!

上一篇:CBAM——即插即用的注意力模块(附代码)(即插即用是什么意思?)

下一篇:【计算机视觉】图像分割与特征提取——基于Log、Canny的边缘检测(计算机视觉的应用)

  • 淘宝怎么看一共花了多少钱了(淘宝怎么看一共花了多少钱)(淘宝怎么看一共消费)

    淘宝怎么看一共花了多少钱了(淘宝怎么看一共花了多少钱)(淘宝怎么看一共消费)

  • 高德地图有实景导航吗(高德地图实景图)

    高德地图有实景导航吗(高德地图实景图)

  • 16位和32位的区别(16位和32位的区别音频)

    16位和32位的区别(16位和32位的区别音频)

  • 小米5号电池多少毫安(小米5号电池多少钱一块)

    小米5号电池多少毫安(小米5号电池多少钱一块)

  • 普通手机可以用快充充电器吗(普通手机可以用100w快充充电器吗)

    普通手机可以用快充充电器吗(普通手机可以用100w快充充电器吗)

  • mate30手机老是频繁有提示音怎么办(华为mate30一直弹出广告)

    mate30手机老是频繁有提示音怎么办(华为mate30一直弹出广告)

  • oppoa91与oppok5对比(oppok5与oppoa91哪款手机更好)

    oppoa91与oppok5对比(oppok5与oppoa91哪款手机更好)

  • 微信卸载重装后好友还在嘛(微信卸载重装后群聊找不到了怎么办)

    微信卸载重装后好友还在嘛(微信卸载重装后群聊找不到了怎么办)

  • 红米k20跑分多少

    红米k20跑分多少

  • 苹果11多久上市时间(苹果11好久上市的)

    苹果11多久上市时间(苹果11好久上市的)

  • iphone6用ios12卡吗(iphone6使用ios12会不会卡)

    iphone6用ios12卡吗(iphone6使用ios12会不会卡)

  • 快手交易关闭是什么意思(快手交易关闭是付钱还是没付钱)

    快手交易关闭是什么意思(快手交易关闭是付钱还是没付钱)

  • 全民k歌的伴奏怎么下载(全民k歌的伴奏怎么下载到手机)

    全民k歌的伴奏怎么下载(全民k歌的伴奏怎么下载到手机)

  • 手机厚约多少厘米(手机的厚度是一厘米还是一毫米)

    手机厚约多少厘米(手机的厚度是一厘米还是一毫米)

  • oppoa9怎么强制重启(oppoa91强制重启)

    oppoa9怎么强制重启(oppoa91强制重启)

  • ios13三指长按怎么关闭(ios13三指截屏)

    ios13三指长按怎么关闭(ios13三指截屏)

  • iphone激活时远程管理(苹果激活的时候远程管理是什么意思)

    iphone激活时远程管理(苹果激活的时候远程管理是什么意思)

  • 华为q2和q2pro有什么区别(华为q2pro q2s对比)

    华为q2和q2pro有什么区别(华为q2pro q2s对比)

  • vivox9s怎么恢复系统还原(vivox9s怎么恢复出厂设置视频)

    vivox9s怎么恢复系统还原(vivox9s怎么恢复出厂设置视频)

  • 苹果手机相机美颜在哪里设置(苹果手机相机美颜下载安装)

    苹果手机相机美颜在哪里设置(苹果手机相机美颜下载安装)

  • 水晶头安装方法(水晶头安装方法图解)

    水晶头安装方法(水晶头安装方法图解)

  • mac连不上wifi怎么办?苹果mac系统连不上wifi解决方法详细图文步骤(mac连不上wifi怎么回事 其他设备却可以)

    mac连不上wifi怎么办?苹果mac系统连不上wifi解决方法详细图文步骤(mac连不上wifi怎么回事 其他设备却可以)

  • API 低代码开发:接口大师,一套开发、管理和提供接口的产品框架(低代码开发开源)

    API 低代码开发:接口大师,一套开发、管理和提供接口的产品框架(低代码开发开源)

  • 子女继承父母房产最新政策2023
  • 已在境外缴纳的企业所得税税额 分国不分项
  • 进项税转出会计分录如何做
  • 个税申报和工资表不符
  • 代扣代缴增值税怎么做账
  • 小规模纳税人报销会计分录
  • 营业执照办出后多久生效
  • 企业股利分配政策有哪些
  • 房地产企业汇算清缴
  • 单位职工住周转房是否缴纳房租
  • 学校捐赠收入需上交吗
  • 工会费入账科目
  • 税控盘抵税可以跨年吗
  • 投资性房地产公允价值模式账务处理
  • 补报的年报可以更改吗
  • 开票收入怎么理解
  • mac电脑因问题而重新启动
  • 腾讯电脑管家中有没有红色警戒下载玩
  • 开发票货款未公对公转怎么做账
  • 公司注销帐上的钱取出来要交税吗
  • 2019年税改前后税率对比
  • macbook 怎么换壁纸
  • 房产证工本费怎么做账
  • 贷款利息不能抵扣进项税
  • PHP:session_cache_expire()的用法_Session函数
  • 劳动法律法规包含哪些
  • url示例
  • 如何防范增值税的税收风险
  • 建筑行业总分包怎么算
  • ai生成图形
  • vue前端面试官常问的问题
  • 金融企业的代理业务
  • 边际贡献总额什么意思
  • 流动资金包括哪些费用
  • 企业所得税税款可以税前扣除吗
  • 买理财产品的风险
  • 完整的会计核算流程
  • 现金支付无发票怎么报销
  • 怎么算股本溢价
  • 兼营即征即退产品 增值税
  • 工资表的重要性
  • 半成品是指正在各生产阶段加工的产品
  • 报销单可以当记账凭证吗
  • 子公司如何向母公司开户
  • 包装袋制版费
  • 投资收益 增加
  • 非限定性净资产 限定性净资产
  • 税前利息为什么这么高
  • 非本公司员工能否享受本公司的福利
  • 企业在非同一控制下的企业合并
  • 明年发票可以入到今年有什么惩罚
  • win7怎么装win8系统
  • linux的安装
  • .exe是什么文件
  • centos 查看文件夹
  • soffice.exe - soffice进程是什么意思 有什么用
  • 苹果Mac系统怎么用光盘安装
  • xp系统电脑开机密码忘记了
  • linux bye
  • win10桌面图标无法正常显示
  • pqinit.exe - pqinit是什么进程 有什么用
  • win7文件后缀名不全显示
  • 电脑已禁用ime是什么
  • 解决VMware下64位linux系统不支持全虚拟化的办法
  • gho文件过大
  • cocoscreator分包
  • Unity3D 事件
  • 注册表危险组件怎么安装
  • Qualcom QMI系列-基本知识介绍
  • 批处理怎么学
  • nodejs如何发布服务
  • Linux 中常用的几种压缩工具?
  • javascript总结笔记
  • python3.9快捷键
  • javascript文档对象
  • 发票金额模糊怎么查询
  • 开发商卖商铺需要哪些资质条件?
  • 湖北省电子税务局登录入口
  • 发票验旧后还能开票吗
  • 珠海斗门井岸镇邮编
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设