本人寫(xiě)了一鍵制作三種數(shù)據(jù)集的代碼，還帶數(shù)據(jù)增強(qiáng)哦，可聯(lián)系QQ:1781419402獲取，小償！

Yolov8下載地址：GitHub - ultralytics/ultralytics: YOLOv8 ?? in PyTorch > ONNX > CoreML > TFLitexx

下載完成后 按照YOLOv8教程系列：一、使用自定義數(shù)據(jù)集訓(xùn)練YOLOv8模型（詳細(xì)版教程，你只看一篇-＞調(diào)參攻略），包含環(huán)境搭建/數(shù)據(jù)準(zhǔn)備/模型訓(xùn)練/預(yù)測(cè)/驗(yàn)證/導(dǎo)出等_Zhijun.li@Studio的博客-CSDN博客

所寫(xiě)的進(jìn)行目標(biāo)檢測(cè)的自己數(shù)據(jù)集的訓(xùn)練即可。

但是網(wǎng)上對(duì)于yolov8進(jìn)行自己數(shù)據(jù)集的分割訓(xùn)練的教程較少?，不會(huì)的可以看本文。

首先就是數(shù)據(jù)集的格式：（我自己使用的是這樣，可以訓(xùn)練，參照coco數(shù)據(jù)集）

其中images/train2017中是訓(xùn)練圖片原圖，labels/train2017中是轉(zhuǎn)換出來(lái)的yolo格式txt標(biāo)簽文本文件，train2017.cache是自動(dòng)生成的，不用管。

其次，就是配置文件 ，在下圖所示位置，并且按照右下所示進(jìn)行修改：

?

此處修改完后，就是修改參數(shù)配置文件?（cdg里的default.yaml），要做分割任務(wù)首先是將task設(shè)置為segment，其實(shí)就是model改為yolov8n-seg.py（分割預(yù)訓(xùn)練權(quán)重）,最后就是將data修改為自己數(shù)據(jù)集所在文件夾的路徑就可以開(kāi)始訓(xùn)練。

?如果報(bào)錯(cuò)runtimeerror: sizes of tensors must match except in dimension 1. expected size 2 but got size 0 for tensor number 1 in the list.：

? ? ? ? 原因是?torch.cat（）函數(shù)中參數(shù)的維度不對(duì)應(yīng)，如果數(shù)據(jù)集沒(méi)有問(wèn)題，那就是丟失信息了。

? ? ? ? 那你使用的數(shù)據(jù)集中l(wèi)abel里的txt文件的內(nèi)容，大概率是轉(zhuǎn)出來(lái)的是只有對(duì)應(yīng)類(lèi)別索引和四個(gè)點(diǎn)坐標(biāo)（也就是rectangle格式），只能做檢測(cè)，不可做分割，會(huì)丟失segment信息。

? ? ? ? 可使用以下代碼進(jìn)行轉(zhuǎn)換數(shù)據(jù)集：

# 處理labelme多邊形矩陣的標(biāo)注  json轉(zhuǎn)化txt,提取點(diǎn)
import json
import os


name2id = {'chip': 0}    #  修改你的類(lèi)別并且賦與index


def decode_json(json_floder_path, txt_outer_path, json_name):
    txt_name = txt_outer_path + json_name[:-5] + '.txt'
    with open(txt_name, 'a') as f:
        json_path = os.path.join(json_floder_path, json_name)
        data = json.load(open(json_path, 'r', encoding='gb2312', errors='ignore'))
        img_w = data['imageWidth']
        img_h = data['imageHeight']
        isshape_type = data['shapes'][0]['shape_type']
        print(isshape_type)
        dw = 1. / (img_w)
        dh = 1. / (img_h)
        for i in data['shapes']:
            label_name = i['label']
            if (i['shape_type'] == 'polygon'):
                point = []
                for lk in range(len(i['points'])):
                    x = float(i['points'][lk][0])
                    y = float(i['points'][lk][1])
                    point_x = x * dw
                    point_y = y * dh
                    point.append(point_x)
                    point.append(point_y)
                f.write(str(name2id[label_name]) + " " + " ".join([str(a) for a in point]) + '\n')
        f.close()


if __name__ == "__main__":
    json_floder_path = r'F:\Workprojects\front_corner_drop\train_data\json'  # 存放json的文件夾的絕對(duì)路徑
    txt_outer_path = r'F:\Workprojects\front_corner_drop\labels\segment/'  # 存放txt的文件夾絕對(duì)路徑
    json_names = os.listdir(json_floder_path)
    flagcount = 0
    for json_name in json_names:
        decode_json(json_floder_path, txt_outer_path, json_name)
        flagcount += 1

    print('-----------轉(zhuǎn)化完畢------------')

要是做分類(lèi)訓(xùn)練的話(huà)，自制數(shù)據(jù)集格式如圖所示：

????????????????????????????????????????????????

其中，train和val的里面只用放所有的訓(xùn)練集圖片，error和normal是我當(dāng)前需要的分類(lèi)類(lèi)別，其中放置對(duì)應(yīng)的類(lèi)別的圖片，根據(jù)自身需求創(chuàng)建類(lèi)別文件夾，放入對(duì)應(yīng)圖片即可。

接著修改yaml文件：

?將類(lèi)別和類(lèi)別數(shù)量和數(shù)據(jù)集路徑修改好即可訓(xùn)練。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-415990.html

到了這里，關(guān)于YOLOv8檢測(cè)、分割和分類(lèi)訓(xùn)練自己數(shù)據(jù)集的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！