YOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本相较于之前的版本YOLOv8可以更快速有效地识别和定位图像中的物体以及更准确地分类它们。

作为一种深度学习技术YOLOv8需要大量的训练数据来实现最佳性能。为了让YOLOv8能够有效地识别自己的应用中的物体开发者需要准备大量的训练数据而构建自定义数据集是一个非常耗时的过程往往收集图像、标记图像并以正确的格式导出它们可能就需要数十甚至数百个小时。为了解决这一问题YOLOv8在官方教程中为我们推荐了一款强大的开源工具——Roboflow。

Roboflow介绍

Roboflow是一款专为YOLOv8设计的自动化训练数据工具它为YOLOv8提供了一种更便捷、更快速的方式来准备训练数据。它能够自动从开发者提供的原始图像数据中提取所需的信息并将其转换为YOLOv8可以直接使用的格式。Roboflow还提供了一种独特的标记方式让开发者更轻松地为图像中的物体设定标签以便YOLOv8能够更有效地识别它们。本文将为大家介绍如何使用Roboflow来训练YOLOv8自定义数据集。

创建自己的数据集

首先我们把想要训练的图片整理到一个文件夹中并设置图片尺寸与格式统一。

接着使用Roboflow创建数据集。前往Roboflow官网点击右上角注册账号然后通过Roboflow将自定义数据集进行标注并直接导出到 YOLOv8以进行训练。具体操作步骤如下

 

导入目标文件夹后双击任何一张图片即可进入标注这里我们以第一张图片为例操作步骤如图所示

 

图片标注完成返回后点击右上方进行保存。选择“Split Images Between Train/Vaild/Test”根据系统推荐自动划分训练集、验证集和测试集最后导出文件压缩包至电脑。

训练数据集

将得到的数据集压缩包解压到仓库的主路径中为了方便后续调用CLI命令更便捷这里我们将数据集重命名为“flyerdata”。

再把数据集复制到下图所示路径中YOLOv8在训练数据集时会默认从这个路径内找数据。

在“pycharm”打开自创数据集中的“data.yaml”修改文件中的路径。

修改保存后在yolov8环境下的终端输入

yolo task=detect mode=train model=yolov8n.pt data=flyerdata/data.yaml epochs=100 imgsz=640 workers=4 batch=4

同时将“data=”后缀修改为自己数据集的路径回车开始训练。训练完成之后结果会保存在最后一行指示的路径中。

预测新数据

训练完成后会得到一个属于你自己的训练集模型。

根据你的数据集训练结果模型的位置来修改以下代码完成模型验证

yolo task=detect mode=val model=runs/detect/train5/weights/best.pt data=flyerdata/data.yaml

新数据的预测

用验证后的训练集模型预测新数据需要先收集和我们的数据集相关的同类型图片做成新的文件夹图片大小和格式保持与之前的数据集图片一致这里我们将新的图片文件夹命名为“images”并放进仓库主路径中。

接下来根据数据集训练结果模型的位置来修改以下代码“source”是指新图片文件夹的位置由于我们已经将文件夹放在了仓库主路径中故可直接修改为”source=images”然后开始预测。

yolo detect mode=predict model=runs/detect/train5/weights/best.pt source=images

如需用训练后得到的数据集模型来训练视频则把想训练的视频放在仓库主路径上然后用以下代码将“source=”后缀改成视频的路径调用即可

yolo detect mode=predict model=runs/detect/train5/weights/best.pt source=video/1.mp4

预测完成后预测结果也同样自动保存在最后一行指定路径中。

总结

总而言之Roboflow是一种非常有用的工具它提供了一种简单的方式来调整训练数据使其能够更好地适应YOLOv8的要求帮助我们更轻松地准备YOLO v8所需的训练数据。还可以自动转换和标记图像以及针对不同的训练数据集设置特定的训练参数确保YOLOv8能够更有效地识别物体从而使YOLOv8能够更有效地学习。

相关资源链接

[1] Roboflow官网https://roboflow.com/?ref=ultralytics

[2] YOLOv8 项目地址https://github.com/ultralytics/ultralytics

[3] YOLOv8 官方教程https://blog.roboflow.com/how-to-train-yolov8-on-a-custom-dataset/#preparing-a-custom-dataset-for-yolov8

- END -

 阿木实验室为机器人研发提供开源软硬件工具和课程服务让研发更高效