YoloV8 物體模型訓練
訓練強大且準確的目標偵測模型需要全面的資料集。本指南介紹了與 Ultralytics YOLO 模型相容的各種資料集格式，並深入了解其結構、用法以及如何在不同格式之間進行轉換。支援的資料集格式Ultralytics YOLO 格式Ultralytics YOLO 格式是一種資料集配置格式，可讓您定義資料集根目錄、訓練/驗證/測試影像目錄或包含影像路徑的 *.txt 檔案的相對路徑以及類別名稱。這是一個例子：檔案 data.yaml# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list:
path: ../datasets/ai_test # dataset root dir
train: images/train# train images (relative to 'path') 4 images
val: images/val# val images (relative to 'path') 4 images
test:# test images (optional)
# Classes (ai_test classes)
names:
0: person
1: bicycle
2: car
...
77: teddy bear
78: hair drier
79: toothbrush
此格式的標籤應匯出為 YOLO 格式，*.txt每個影像一個檔案。如果圖像中沒有對象，則不需要*.txt文件。該*.txt文件的格式應為每個物件一行class x_center y_center width height。框座標必須採用標準化 xywh格式（從 0 到 1）。如果您的方塊以像素為單位，則應將x_center和除以width影像寬度，並將y_center和height除以影像高度。類別編號應該從零開始索引（從 0 開始）。上圖對應的標籤檔案包含 2 個人（class 0）和一個領帶（class 27）：使用 Ultralytics YOLO 格式時，請組織您的訓練和驗證圖像和標籤，如下例所示。用法以下是如何使用這些格式來訓練模型：import os
from ultralytics import YOLO
import multiprocessing
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
if __name__ == '__main__':
model = YOLO("yolov8n.pt")
model.train(data="data.yaml",
epochs=30,
imgsz=640)
備註：要抓圖片模型座標，請參考這篇Win 10下安裝labelImg標註工具及自訂labels
文章出處： NetYea 網頁設計
參考文章
https://docs.ultralytics.com/datasets/detect/
頁:
[1]