TShopping

標題: YoloV8 物體模型訓練 [打印本頁]
作者: woff    時間: 2023-10-4 18:37
標題: 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
  1. # Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
  2. path: ../datasets/ai_test # dataset root dir
  3. train: images/train  # train images (relative to 'path') 4 images
  4. val: images/val  # val images (relative to 'path') 4 images
  5. test:  # test images (optional)

  7. # Classes (ai_test classes)
  8. names:
  9.   0: person
  10.   1: bicycle
  11.   2: car
  12.   ...
  13.   77: teddy bear
  14.   78: hair drier
  15.   79: toothbrush
複製代碼

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：
  1. import os
  2. from ultralytics import YOLO
  3. import multiprocessing
  4. os.environ["KMP_DUPLICATE_LIB_OK"]  =  "TRUE"

  6. if __name__ == '__main__':
  7.   model = YOLO("yolov8n.pt")
  8.   model.train(data="data.yaml",
  9.   epochs=30,
  10.   imgsz=640)
複製代碼

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/




歡迎光臨 TShopping (http://www.tshopping.com.tw/) Powered by Discuz! X3.2