YOLOV8自定义数据集训练模型

使用YOLOV8训练自定义数据集,实现多目标检测

流程

• 自定义标签
• 数据标注
• 训练
• 验证

自定义标签

这里通过工具X-AnyLabeling进行标注,需要按照工具要求添加标签,这里我添加了2个标签,person和car如下

#新增 classes.txt,内容:
person
car

数据标注

启动X-AnyLabeling,选择YOLO格式,导入自定义标签,然后开始标注

点击format选择格式为YOLO并导入自定义标签,如图

打开存放有待标注数据的文件夹,开启自动保存,(每次标注后自动保存结果到磁盘),可开启AI(Auto Labe)辅助标注(效果参考项目官网)

训练

使用yolo包训练,训练前需要拆分并设置训练集和验证集,配置到train.yaml中

# 训练
from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='train.yaml', epochs=100)

验证

# 加载训练得到的模型,多目标检测
model = YOLO('best.pt',task='detect')
model.predict(source=image_file,save=False)

参考

• YOLOV8
• X-AnyLabeling