【手把手教你】训练YOLOv8分割模型

news2024/11/23 10:11:00

1.下载文件

在github上下载YOLOV8模型的文件，搜索yolov8，star最多这个就是在这里插入图片描述

2. 准备环境

环境要求python>=3.8，PyTorch>=1.8，自行安装ptyorch环境即可
在这里插入图片描述

2. 制作数据集

制作数据集，需要使用labelme这个包，安装命令为

pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple

然后启动labelme，在终端输入labelme这个命令即可
在这里插入图片描述
打开后是这样，我这个是汉化过的了，正常打开是英文的

然后点击labelme界面的打开文件夹，打开你准备标的图片

正常标即可，标完后，你会在文件夹下看到很多.json格式的文件，正常时一张图片，对应一个.json文件。

到现在数据集还不能用，需要把标好的数据集转化称YOLOv8能用的数据集，这里需要下载一个包，叫做labelme2yolo，直接pip命令下载即可

	pip install labelme2yolo

然后输入命令，改变数据集格式

labelme2yolo --json_dir /path/to/labelme_json_dir/ --val_size 0.15 --test_size 0.15

这里的 –val_size 0.15 --test_size 0.15表示，划分数据集，其中70%用来训练，15%评估，15%测试

完成后，你会看到文件夹下的数据集，名称为YOLODataset，YOLODataset问价下有两个文件夹，分别是images和labels，和一个dataset.yaml文件

在这里插入图片描述

3.训练模型

训练模型，首先需要准备训练文件

from ultralytics import YOLO
# Load a model
#
model = YOLO('yolov8n-seg.yaml').load('yolov8n-seg.pt')  # build from YAML and transfer weights
# Train the model
#这里需的dataset.yaml文件，是第二步使用labelme2yolo自动生成的
model.train(data='E:\\edge_downlond\\ultralytics-main\\ultralytics-main_9_7\\datasets\\YOLODataset\\dataset.yaml' , epochs=300)

如果第一次运行，这里需要下载预训练文件，需要梯子下载，没有的话需要手动去github下载，预训练文件有不同大小的，这里根据需求选择即可，一般来说，大模型效果更好，但是花费的时间也更多，速度慢
在这里插入图片描述

启动训练文件，运行即可，这样就是成功训练了

在这里插入图片描述

训练完成后，会生成权重文件，保存在runs文件夹下

在这里插入图片描述

3.运行模型

创建一个运行模型的文件

from ultralytics import YOLO

model = YOLO('runs/segment/train5/weights/best.pt')  # load a custom model
#改成自己的权重文件路径
results = model(source="./6.mp4", save=True )
#source的路径改成自己需要分割的，图片视频均可