快速上手yolov8项目

§ 简介

YOLOv8是由Ultralytics公司开发的最新一代目标检测模型，它是YOLO（You Only Look Once）系列的延续，旨在提供实时、高精度的目标检测能力。YOLOv8在保持高速度的同时，也注重精度的提升，适用于各种物体检测任务。

YOLOv8系列提供多种模型，每种模型都专门用于计算机视觉中的特定任务，如物体检测、实例分割、姿态/关键点检测、定向物体检测和分类等。

yolov5和yolov8为同一作者，yolov5在yolov8上作了集成，可以在yolov8上运行yolov5模型。

§ 简单上手

YOLOv8 环境安装参考教程：【手把手带你实战YOLOv8-入门篇】YOLOv8 环境安装

pip源码安装：

cmd激活yolov8环境，cd到存放代码的文件夹，然后输入命令：

pip install -e .

查看虚拟环境中安装的包

pip list

使用：

yolo predict model=yolov8n.pt source=ultralytics/assets/bus.jpg

命令解释：

yolo task=detect model=predict model=./yolov8n.pt source="./ultralytics/assets/bus.jpg"

• yolo：启动命令
• task=detect：指定了要执行的任务类型，这里是 detect，意味着进行目标检测。
• model=predict：模型的作用，预测、训练、验证……
• model=./yolov8n.pt：使用什么模型
• source=“./ultralytics/assets/bus.jpg”：指定输入图像的路径，指向 ultralytics/assets/bus.jpg 文件。

§ 数据集构建

数据准备

图片类型数据：无需额外处理，直接可以进行标注
视频类型数据：进行抽帧处理，导出为图片

抽帧处理

import cv2
import matplotlib.pyplot as plt

video = cv2.VideoCapture('1.avi')
num = 0
step = 44 # 间隔帧数
while True:
    ret, frame = video.read()
    if not ret:
        break
    num += 1
    if num % step == 0:
        cv2.imwrite("./1/" + "" + str(num) + ".jpg", frame)

1、./是当前目录(可省略)
2、…/是父级目录
3、/是根目录

pip install labelimg

打开labelimg进行标注

快捷键：
w：标框
a：上一张图片
d：下一张图片

标图网站

makesense

在线标注，加载预训练模型辅助标注

参考教程

寻找公开数据集

roboflow 公开数据集
地址：
https://public.roboflow.com/object-detection
https://universe.roboflow.com/

§ 模型训练

训练前准备

数据集准备：

images:存放图片

• trgin:训练集图片
• val:验证集图片

labels:存放标签

• train:训练集标签文件，要与训练集图片名称-一对应
• val:验证集标签文件，要与验证集图片名称–对应

配置yaml文件

# Ultralytics YOLO 🚀, AGPL-3.0 license
# COCO8 dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco8/
# Example usage: yolo train data=coco8.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8  ← downloads here (1 MB)