二、yolov8图像标注和模型训练

发布时间:2023年12月18日

图像标注

1、按照以下的格式,将图片放入images中。(不限制文件夹路径)
在这里插入图片描述
在这里插入图片描述

2、然后下载labelme标注工具,链接;按照我之前写的这篇博客进行操作,链接,如果没有下载到,可以联系我发给你。
在这里插入图片描述
在这里插入图片描述

jsons转txt格式

1、将以下代码用pycharm打开,修改输入路径、输出路径和classList列表。(classList就是标注的时候定义的类别)

在这里插入图片描述
//

import json
import os
import glob
import os.path as osp


def labelme2yolov2Seg(jsonfilePath="", resultDirPath="", classList=["bub","bub2"]):
    """
    此函数用来将labelme软件标注好的数据集转换为yolov5_7.0sege中使用的数据集
    :param jsonfilePath: labelme标注好的*.json文件所在文件夹
    :param resultDirPath: 转换好后的*.txt保存文件夹
    :param classList: 数据集中的类别标签
    :return:
    """
    # 0.创建保存转换结果的文件夹
    if(not os.path.exists(resultDirPath)):
        os.mkdir(resultDirPath)

    # 1.获取目录下所有的labelme标注好的Json文件,存入列表中
    jsonfileList = glob.glob(osp.join(jsonfilePath, "*.json"))
    print(jsonfileList)  # 打印文件夹下的文件名称

    # 2.遍历json文件,进行转换
    for jsonfile in jsonfileList:
        # 3. 打开json文件
        with open(jsonfile, "r",encoding='utf-8') as f:
            file_in = json.load(f)

            # 4. 读取文件中记录的所有标注目标
            shapes = file_in["shapes"]

            # 5. 使用图像名称创建一个txt文件,用来保存数据
            with open(resultDirPath + "\\" + jsonfile.split("\\")[-1].replace(".json", ".txt"), "w") as file_handle:
                # 6. 遍历shapes中的每个目标的轮廓
                for shape in shapes:
                    # 7.根据json中目标的类别标签,从classList中寻找类别的ID,然后写入txt文件中
                    file_handle.writelines(str(classList.index(shape["label"])) + " ")

                    # 8. 遍历shape轮廓中的每个点,每个点要进行图像尺寸的缩放,即x/width, y/height
                    for point in shape["points"]:
                        x = point[0]/file_in["imageWidth"]  # mask轮廓中一点的X坐标
                        y = point[1]/file_in["imageHeight"]  # mask轮廓中一点的Y坐标
                        file_handle.writelines(str(x) + " " + str(y) + " ")  # 写入mask轮廓点

                    # 9.每个物体一行数据,一个物体遍历完成后需要换行
                    file_handle.writelines("\n")
            # 10.所有物体都遍历完,需要关闭文件
            file_handle.close()
        # 10.所有物体都遍历完,需要关闭文件
        f.close()

if __name__ == "__main__":
    jsonfilePath = "E:/jsons/"  # 要转换的json文件所在目录
    resultDirPath = "E:/labels/"  # 要生成的txt文件夹
    labelme2yolov2Seg(jsonfilePath=jsonfilePath, resultDirPath=resultDirPath, classList=["waiyuan","neiyuan"])

2、然后将images文件夹和labels文件夹放入一个文件夹中,例如我方的FPC文件夹。
3、然后将FPC文件夹拷贝到分割程序目录下的datasets文件夹中,我的目录是E:\ultralytics-main\ultralytics\yolo\v8\segment\datasets;
在这里插入图片描述

4、然后将路径E:\ultralytics-main\ultralytics\datasets下的coco128-seg.yaml文件复制一份,改名为FPC,保存在同级文件夹下。如下图
在这里插入图片描述
5、然后修改以下内容,names里面放的是类别。
在这里插入图片描述
在这里插入图片描述
6、修改完毕后,打开E:\ultralytics-main\ultralytics\yolo\v8\segment路径下的train文件,修改data = cfg.data or ‘FPC.yaml’
在这里插入图片描述

7、修改完毕后,在打开E:\ultralytics-main\ultralytics\yolo\cfg目录下的default.xml文件,修改以下参数
在这里插入图片描述
8、然后返回train文件,右键运行,开始训练。训练完成后,在E:\ultralytics-main\ultralytics\yolo\v8\segment\runs\segment\train6\weights,目录下可以找到pt文件。

9、到此,模型训练任务完成。

文章来源:https://blog.csdn.net/WDX4092410/article/details/135017941
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。