详细可参考官方文档：
培训自定义数据 -Ultralytics YOLOv8 文档
0.使用Make Sense标注数据集
我们在网页上随机下载五张图片用以演示如何使用Make Sense工具进行标注。下载图片存放在指定文件夹中，如下图所示。
Make Sense网页链接：
Make Sense
进入上述网址，打开Make Sense网页，并点击 Get Started ，如下图所示。
得到如下图，在下图中，我们点击该区域用以选择需要标注的图片。
选择我们在网页上下载的五张图片，如下图所示。
选择Object Detection（目标检测），如下图所示。
进入如下图所示界面，此时选择Load labels from file（左，表示先加载预先准备好的标签类别）或者Start Project（右，表示直接进入项目中）均可，我们来介绍这两个按钮的区别。
若选择 Load labels from file，你需要在你的电脑中提前创建一个 Labels.txt （命名任意）文件，这个文件中包含你所下载图片的所有类别。比如说，我们刚刚下载的五张图片有人、狗、汽车这三个类别，那么你需要在这个Labels.txt文件中以如下的格式写入（注意：每个标签占一行）。
创建好后，点击该按钮，选中这个标签文件Labels.txt，然后进入项目即可。
若选择Start project这个按钮 ，则表示直接进入项目，如下图所示。左边栏展示了我们下载的五张图片，中间栏展示了对于指定图片进行标注操作，右边栏展示了以什么样的方式进行标注，这其中有Rect（矩形框）、Point（点）、Line（线）、Polygon（不规则图形）。
我们以 Rect 选中图片中的小女孩，如上图白色区域所示，随后我们点击下图红色箭头所指进行标签类别划分。
随后我们选择下图中的➕。
开始设置类别。
每设置一个，按下回车（Enter）进行第二个的设置，一共三个类别，如下图所示，设置完之后按下Accept。
然后选择相应的标签即可。
当然，这种方式是该工具内部编写标签类别，我们还可在如下图界面的时候直接点击➕进行标签类别的编写。
标注完成之后，我们需要导出我们标注好的数据集，如下图所示。
我们选择相应的格式。
点击Export，将会直接下载，下载的是一个zip文件，我们对其解压缩，得到标签。
我们任意打开一个.txt 文件，如下所示。
有两行代表有两个类别，0表示第一个类别，1表示第二个类别 ，我们刚刚设置第一个类别是狗，第二个类别是人，第三个类别是汽车。我们观察该标签对应的图片，如下图所示，有一个人和一只狗，两个类别。
0、1两行后面所对应的四个数据可按如下两图（官方文档的解释）理解。
1. 创建dataset.yaml
我们按照上图所示来设置我们自己的yaml文件，如下图所示。
文件中的内容如下。
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: mydata/images/train # 5 images
val: mydata/images/train # 5 images 由于我们没有设置验证集，在这里出于演示作用，我们使用训练集当作验证集
# number of classes
nc: 3
# class names
names: [ 'dog', 'person', 'car' ]注意：
train后面是训练集的路径，val后面是验证集的路径 ，mydata/images/train中的train文件夹存放的是我们刚刚下载好的五张图片。
nc表示类别数，赋值为3（因为五张图片中只出现了汽车、人、狗这三个类别），names表示类别名称。
2. 创建标签Labels
我们在第0步已经详细地解释了如何使用 make sense 创建标签。
3. 整理目录
我们在项目文件夹中创建一个存放我们自定义数据的文件夹mydata，然后在该文件夹下创建images文件夹和labels文件夹，在这两个文件夹下分别创建train文件夹和test文件夹。
将我们在网页上下载的五张图片放在images文件夹下的train文件夹中用于训练， 将make sense导出来的标注文件放在labels中的train文件中。有如下图所示。
经过以上步骤后，我们在官方下载的 yolov5-5.0 代码中的 train.py 文件中指定代码处进行修改，如下所示，将data/coco128.yaml修改成mydata.yaml（我们在第1步创建的文件）即可。
随后，即可训练。
