YOLOv8训练自己的数据集

1. 创建数据集

• 环境：
  Ultralytics YOLOv8.0.230 🚀
  Python-3.8.18
  torch-2.3.0.dev20231226+cu118 CUDA:0
  (NVIDIA GeForce RTX 3060 Laptop GPU, 6144MiB)

文件结构

• mydata
  – dataSet # 保存自动生成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
  – images # 存放待训练的图片
  – labels # 标注工具生成文件
  – xml # 存放图片的xml文件
  – run # 训练结果
  split_train_val.py # 分割数据集的脚本
  voc_label.py # 转换成yolo_txt格式，供yolo训练

数据集标注

采用labelImg工具进行标注，网上可以直接搜到

• open dir： 选择images文件夹
• change save dir： 选择labels文件夹
• create rectbox： 进行框选
• save： 保存
  

脚本分割数据集

脚本分割训练集、验证集、测试集split_train_val.py代码如下：

# coding:utf-8
 
import os
import random
import argparse
 
parser = argparse.ArgumentParser()
# xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='xml', type=str, help='input xml label path')
# 数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='dataSet', type=str, help='output txt label path')
opt = parser.parse_args()
 
trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)
 
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
 
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
 
for i in list_index:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)
 
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

运行代码后，在dataSet 文件夹下生成下面四个txt文档：

转换数据格式

将labelImage标注的xml文件转化为yolov8训练所需要的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。

yolo_txt的格式如下：

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。

这里出现问题基本都是文件路径设置的不对，可以自行检查下

代码内容如下：

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd
 
sets = ['train', 'val', 'test']
classes = ["receiver", "laser"]   # 改成自己的类别
abs_path = os.getcwd()
print(abs_path)
 
def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h
 
def convert_annotation(image_id):
    in_file = open('xml/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        #difficult = obj.find('Difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w:
            b2 = w
        if b4 > h:
            b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
 
wd = getcwd()
for image_set in sets:
    if not os.path.exists('labels/'):
        os.makedirs('labels/')
    image_ids = open('dataSet/%s.txt' % (image_set)).read().strip().split()
    list_file = open('paper_data/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write(abs_path + '/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

2. 配置文件

2.1 数据集配置

在mydata文件夹下新建一个mydata.yaml文件，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。
这里最好用绝对路径，我用相对路径报错了不知为什么。
mydata.yaml内容如下：

2.2 选择需要的模型

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yolov8m.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：

3. 模型训练

在YOLOv8的GitHub开源网址上下载对应版本的模型：

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

接下来就可以开始训练模型了，我的显卡只有6G显存，所以用的m模型，batch也只开到8。具体命令如下：

yolo task=detect mode=train model=yolov8m.yaml data=mydata.yaml epochs=1000 batch=8

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.yaml
• 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：

训练差不多了会提前结束，并保存最好的模型

4. 测试

可以直接用电脑摄像头测，放个代码

import cv2  
import sys  
import time
import numpy as np  
from ultralytics import YOLO  
  
# 加载模型  
model = YOLO('path/to/best.pt')  # 载入自定义模型
  
# 视频路径  
#video_path = 'test.mp4'  
video_path = ""
cap = cv2.VideoCapture(0)  # 更改数字，切换不同的摄像头
  
# loop
while cap.isOpened():
    success, frame = cap.read()

    if success:
        start = time.perf_counter()

        # Run YOLOv8 inference on the frame
        results = model(frame)

        end = time.perf_counter()

        total_time = end - start
        fps = 1 / total_time

        # visualize the results on the frame
        annotated_frame = results[0].plot()

        # display the annotated frame
        cv2.imshow("YOLOv8 Inference:", annotated_frame)

        # Break the loop if 'q' is pressed
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        # Break the loop if the end of the video is reached
        break

# Release the video capture object and close the display windows
cap.release()
cv2.destroyAllWindows()


'''
# 检测视频  
results = model.track(source=video_path, conf=0.75, show=True, save=True) # 这里只框选置信度0.75以上的目标 
'''