YOLOv8训练自己的数据集(超详细)

一、准备深度学习环境

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。

YOLOv8训练自己的数据集(超详细)_第1张图片

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:

YOLOv8训练自己的数据集(超详细)_第2张图片

image为VOC数据集格式中的JPEGImages,内容如下:

YOLOv8训练自己的数据集(超详细)_第3张图片

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

YOLOv8训练自己的数据集(超详细)_第4张图片

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:

YOLOv8训练自己的数据集(超详细)_第5张图片
YOLOv8训练自己的数据集(超详细)_第6张图片

运行代码后,在dataSet 文件夹下生成下面四个txt文档:

YOLOv8训练自己的数据集(超详细)_第7张图片

三个txt文件里面的内容如下:

YOLOv8训练自己的数据集(超详细)_第8张图片

2、转换数据格式

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:

YOLOv8训练自己的数据集(超详细)_第9张图片

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:

YOLOv8训练自己的数据集(超详细)_第10张图片
YOLOv8训练自己的数据集(超详细)_第11张图片
YOLOv8训练自己的数据集(超详细)_第12张图片

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:

YOLOv8训练自己的数据集(超详细)_第13张图片

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:

YOLOv8训练自己的数据集(超详细)_第14张图片

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

https://github.com/ultralytics/assets/releases

YOLOv8训练自己的数据集(超详细)_第15张图片

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.yam

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

YOLOv8训练自己的数据集(超详细)_第16张图片

你可能感兴趣的:(目标检测)