YOLOv8从数据准备到模型预测

yolo中文文档

1安装 Ultralytics

pip install ultralytics 

2 准备数据

https://docs.ultralytics.com/datasets/detect/?h=data+format#ultralytics-yolo-format
yolo的每张图片都要有一个对应label 的txt文件，如果图片中没有label，则也不需要txt文件，txt文件中数据格式为：
class x_center y_center width height
数据需要进行标准化，如果打标的box是像素坐标，则 x_center，width 要除以图片width，y_center ，height要除以图片height。

    iw,ih = image.size
    x_center = (x + w/2) / iw
    y_center = (y + h/2) /ih
    box_w = w / iw
    box_h = h / ih

Class类别的序号必须从0开始Class类别的序号必须从0开始
label 文件格式如下：

image.png
目录是这样
image.png
配置data.yaml
image.png

import yaml

yaml_dict = {
    'train': 'train_data/images/train',
    'val':'train_data/images/val',
    'nc':3,  #类别数
    'names':['logo0','logo1','logo2'] 
}
with open('data.yaml','w') as file:
    yaml.dump(yaml_dict,file)

Ultralytics Settings
ultralytics使用settings管理配置，其中比较重要的是datasets_dir，训练数据的存储路径，修改为自己的路径

from ultralytics import settings
print(settings)

settings.update({'datasets_dir': '/path/to/data'})
settings.reset()

3 训练

yolo提供了各种不同用途不同大小的模型，按需使用
https://docs.ultralytics.com/models/yolov8/#supported-tasks-and-modes

from ultralytics import YOLO
model = YOLO('yolov8n.pt')
model.train(data="data.yaml",epochs=20,imgsz=640,batch=16)

训练好的模型默认保存在 'runs/detect/train'

预测

from  PIL  import  Image 
import  cv2

img = Image.open()
img = cv2.imread()

model = YOLO('model_path')
results = model.predict(img,imgsz=640) #conf=0.5
#results[0].boxes 中返回了各种格式的结果
boxes  = results[0].boxes.xyxy.cpu()
boxes = np.array(boxes).astype(np.int32)
print(boxes)