YoloV8 物體模型訓練

woff

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)
   
6. 
   
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）。

NetYea 網頁設計 YoloV8 模型訓練

上圖對應的標籤檔案包含 2 個人（class 0）和一個領帶（class 27）：

NetYea 網頁設計 YoloV8 模型訓練

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。

NetYea 網頁設計 YoloV8 模型訓練

NetYea 網頁設計 YoloV8 模型訓練

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"
   
5. 
   
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/