Skip to main content

yolov8自定义识别物体

本文的文件夹名字命名以及格局都可以随意修改（前提是你懂整个逻辑）

新建一个文件夹kinda作为根目录​

新建文件夹dataset存放标签和图片文件​

dataset目录下新建image文件夹​

image目录下新建train、val、test文件夹​

不一定要全部建立，看个人需求

  • train 训练数据
  • val 验证数据
  • test 测试数据

dataset目录下新建labels文件夹​

labels目录下新建train、val、test文件夹​

这几个文件夹后续用来存放volo格式标签数据文件。

kinda目录下新建dataset.yaml文件​

文件数据格式如下

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco128  # dataset root dir
train: images/train2017  # train images (relative to 'path') 128 images
val: images/train2017  # val images (relative to 'path') 128 images
test:  # test images (optional)

# Classes (80 COCO classes)
names:
  0: person
  1: bicycle
  2: car
  ...
  77: teddy bear
  78: hair drier
  79: toothbrush

创建标签​

推荐图片标注工具[makesense]https://www.makesense.ai

可以批量导入图片

如果是检测物体那么选择Object Detection，如果是图片分类任务那么选择Image recognition

编辑标签​

这一步可以先做，也可以随着绘制框线后续增加标签。

Edit Labels

绘制框线​

选择标签​

导出yolo格式标注文件(txt格式)​

Export Annotations

具体txt文件如下

0 0.481719 0.634028 0.690625 0.713278
0 0.741094 0.524306 0.314750 0.933389
27 0.364844 0.795833 0.078125 0.400000

最终文件夹结构如下​

注意: 每张图片和其对应的label文件命名必须一致。

.
├── dataset.yaml
└── datasets
    ├── images
    │   ├── train
    │   │   ├── 01.jpg
    │   │   ├── 02.jpg
    │   │   ├── 03.jpg
    │   │   └── 04.jpg
    │   └── val
    │       ├── 01.jpg
    │       ├── 02.jpg
    │       ├── 03.jpg
    │       └── 04.jpg
    └── labels
        ├── train
        │   ├── 01.txt
        │   ├── 02.txt
        │   ├── 03.txt
        │   └── 04.txt
        ├── train.cache
        ├── val
        │   ├── 01.txt
        │   ├── 02.txt
        │   ├── 03.txt
        │   └── 04.txt
        └── val.cache

开始训练​

from ultralytics import YOLO

# Create a new YOLO model from scratch
model = YOLO('yolov8n.yaml')

# Load a pretrained YOLO model (recommended for training)
model = YOLO('yolov8n.pt')  # load an official model

# Train the model using the 'dataset.yaml' dataset for 3 epochs
results = model.train(data='dataset.yaml', epochs=3)

# Evaluate the model's performance on the validation set
results = model.val()

预测​

# Predict with the model
results = model('https://ultralytics.com/images/bus.jpg')  # predict on an image
note

可以通过如下方式关闭model函数的打印

results = model('https://ultralytics.com/images/bus.jpg', stream=False, verbose=False)  # predict on an image
  • verbose 这一参数表示是否显示内置的结果打印。
  • stream 这一参数用来决定是否使用cuda，如果是mac一般不开启，有n卡的情况下开启能极大的加速预测。

结果分析​

上述model函数得到的结果如下

[ultralytics.yolo.engine.results.Results object with attributes:
 
 _keys: ('boxes', 'masks', 'probs')
 boxes: ultralytics.yolo.engine.results.Boxes object
 keys: ['boxes']
 masks: None
 names: {0: 'person', 1: 'bicycle', 2: 'car', 3: 'motorcycle', 4: 'airplane', 5: 'bus', 6: 'train', 7: 'truck', 8: 'boat', 9: 'traffic light', 10: 'fire hydrant', 11: 'stop sign', 12: 'parking meter', 13: 'bench', 14: 'bird', 15: 'cat', 16: 'dog', 17: 'horse', 18: 'sheep', 19: 'cow', 20: 'elephant', 21: 'bear', 22: 'zebra', 23: 'giraffe', 24: 'backpack', 25: 'umbrella', 26: 'handbag', 27: 'tie', 28: 'suitcase', 29: 'frisbee', 30: 'skis', 31: 'snowboard', 32: 'sports ball', 33: 'kite', 34: 'baseball bat', 35: 'baseball glove', 36: 'skateboard', 37: 'surfboard', 38: 'tennis racket', 39: 'bottle', 40: 'wine glass', 41: 'cup', 42: 'fork', 43: 'knife', 44: 'spoon', 45: 'bowl', 46: 'banana', 47: 'apple', 48: 'sandwich', 49: 'orange', 50: 'broccoli', 51: 'carrot', 52: 'hot dog', 53: 'pizza', 54: 'donut', 55: 'cake', 56: 'chair', 57: 'couch', 58: 'potted plant', 59: 'bed', 60: 'dining table', 61: 'toilet', 62: 'tv', 63: 'laptop', 64: 'mouse', 65: 'remote', 66: 'keyboard', 67: 'cell phone', 68: 'microwave', 69: 'oven', 70: 'toaster', 71: 'sink', 72: 'refrigerator', 73: 'book', 74: 'clock', 75: 'vase', 76: 'scissors', 77: 'teddy bear', 78: 'hair drier', 79: 'toothbrush'}
 orig_img: array([[[122, 148, 172],
         [120, 146, 170],
         [125, 153, 177],
         ...,
         [157, 170, 184],
         [158, 171, 185],
         [158, 171, 185]],
 
        [[127, 153, 177],
         [124, 150, 174],
         [127, 155, 179],
         ...,
         [158, 171, 185],
         [159, 172, 186],
         [159, 172, 186]],
 
        [[128, 154, 178],
         [126, 152, 176],
         [126, 154, 178],
         ...,
         [158, 171, 185],
         [158, 171, 185],
         [158, 171, 185]],
 
        ...,
 
        [[185, 185, 191],
         [182, 182, 188],
         [179, 179, 185],
         ...,
         [114, 107, 112],
         [115, 105, 111],
         [116, 106, 112]],
 
        [[157, 157, 163],
         [180, 180, 186],
         [185, 186, 190],
         ...,
         [107,  97, 103],
         [102,  92,  98],
         [108,  98, 104]],
 
        [[112, 112, 118],
         [160, 160, 166],
         [169, 170, 174],
         ...,
         [ 99,  89,  95],
         [ 96,  86,  92],
         [102,  92,  98]]], dtype=uint8)
 orig_shape: (1080, 810)
 path: '/Users/kinda/Desktop/yolov8/bus.jpg'
 probs: None
 speed: {'preprocess': 0.5681514739990234, 'inference': 73.98080825805664, 'postprocess': 0.5743503570556641}]

results列表中的每一个对象都有如下参数

  • _keys 结果字典中的键列表，包括 boxes（边界框）、masks（掩膜）和 probs（置信度）
  • boxes 一个边界框对象，包含检测到的边界框的坐标、置信度和类别信息等。
  • keys 一个掩膜对象，如果模型返回的是实例分割结果，则包含每个实例的掩膜信息。
  • masks 一个置信度数组，如果模型返回的是分类结果，则包含每个类别的置信度值。
  • names 一个类别名称字典，包含模型识别的每个类别的名称。
  • orig_img 输入图像的原始像素矩阵。
  • orig_shape 输入图像的原始尺寸。
  • path 输入图像的文件路径或URL。
  • probs 一个置信度数组，如果模型返回的是分类结果，则包含每个类别的置信度值。
  • speed 一个字典，包含每个处理步骤的处理时间，包括 preprocess（预处理时间）、inference（推理时间）和 postprocess（后处理时间）。

其中的boxes又含有如下参数

  • boxes：检测到的物体的边界框坐标，每个边界框都由左上角和右下角的坐标、置信度和类别标签组成。
  • cls：每个边界框对应的类别标签。
  • conf：每个边界框的置信度分数。
  • data：与boxes属性相同，表示检测到的物体的边界框坐标、置信度和类别标签。
  • id：未定义。
  • is_track：是否为跟踪任务。
  • orig_shape：原始图像的大小。
  • shape：对象数据的大小。
  • xywh：检测到的物体的边界框坐标，每个边界框都由中心坐标、宽度、高度和类别标签组成。
  • xywhn：将xywh归一化到[0,1]之间。
  • xyxy：检测到的物体的边界框坐标，每个边界框都由左上角和右下角的坐标和类别标签组成。