1、安装Anaconda

官网下载或者哔哩哔哩有的up分享

https://www.anaconda.com/download

版本无所谓，安装位置不要有中文就行

2、创建环境yolov8

win+R打开命令行

conda create -n yolov8 python=3.9

3、打开源码

下载下来放到你想放的目录，直接用pyCharm或者vscode 打开就行，这里演示用pyCharm

比如：我的目录是D:\Users\YOLO\ultralytics-main

4、下载依赖

1、打开cmd

2、激活环境

conda activate yolov8

3、切换项目地址到你的目录，我的是D:\Users\YOLO\ultralytics-main

如果你的项目在d盘
d:
cd 绝对路径

4、执行以下命令

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

5、如果你的是gpu训练，查看cuda版本，我的是11.8，如果你的大于或者等于这个版本，直接执行以下命令，否则安装Pytorch时要找对应以下版本，可以打开Pytorch官网

#cuda 查看命令
nvidia-smi

#pyTorh官网
https://pytorch.org/get-started/previous-versions/

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

5、配置项目

1、打开settings

2、找到Python Interpreter

找到你的conda环境,应用

6、项目说明

1、可视化运行

        找到MainProgram.py文件，右键运行即可

2、训练模型

        找到yolov8-train-helmets.py文件，代码一看就懂的

3、更改可视化界面

        UIProgram下的UiMain.py文件，可以写学号题目之类的，证明是你写的

4、更改网络结构

        ultralytics>cfg>models>v8>yolov8.yaml

        yolov8.yaml是原网络

        yolov8-cbam.yaml是添加注意力机制后的

        如果你想添加可变形卷积，可以试试，代码我已经写好的，添加到网络就行

5、runs>detect

        result下有添加CBAM和原网络训练过程对比图

        train下是添加CBAM的训练结果

        train2是原网络结果

        train7是yolov8n.pt预训练模型的结果

        你也可以重新训练下

6、datasets是数据集        

7、结果展示

8、项目优势

1、使用CBAM改进了网络，有很明显的涨点，这里只展示下训练过程图

除此之外还有

2、使用了两种数据增强 Mosaic和Albumentations

 

 最重要的：有了两种改进措施，作为毕业设计不会有工作量不够的问题

9、资源获取

微信公众号：阿普同学 

优势：数据集+项目文件+改进 毕业无忧

微信公众号回复001获取提取码链接：https://pan.baidu.com/s/1sXoP96zPyN7qDH_1C9My0Q