目标检测 - yolov8初体验+训练自定义数据集

这边演示用的环境是win10+pycharm+cpu，gpu使用的环境不进行过多赘述（需要的可以再搜索一下），文章基于安装了anaconda往下说（记录的是我的使用步骤，之前都是用v5，有不同的更好的可以方式步骤提出来，一起进步）。

一、代码获取
1.可以先在本地创建一个空的项目文件夹

2.在v8官网获取url或者直接下载
网址给出： https://github.com/ultralytics/ultralytics

3.（没有用git的同学可以跳过这一步）可以使用第2步图中的1、2、3获取url，在第1步创建的项目文件夹空白处右键选择 git bash here，命令行运行 git clone 你复制的url，例如 git clone https://github.com/ultralytics/ultralytics.git 即可下载


4.也可以在第2步中进行直接下载，点击图中 download zip。下载完成解压后，将里面的文件移动到第1步中创建的项目文件夹即可。

二、环境搭建
1.用pycharm打开项目文件夹，进入命令行

2.创建一个虚拟环境，并进入
运行命令 conda create -n 虚拟环境名字（自己定） python=python版本（v8好像要求3.8以上，这个注意一下） -y（-y可加可不加，作用是创建过程中yes or no判断默认都是yes） 例如 conda create -n yolov8 python=3.10 -y ，下图表示创建完成

创建完成后可以用命令 conda env list 来查看环境列表，下图红框中yolov8就是我们刚创建的

可以通过命令 conda activate 虚拟环境名字 进行虚拟环境，例如 conda activate yolov8，进入后我们可以看到命令行开头的环境标识从基础环境（base）变为yolov8，代表进入成功

3.安装v8依赖环境
首先确保检查一下，命令行路径是你的项目文件夹路径

v8将依赖环境都写在项目文件夹下的 requirement.txt 文件中了，我们可以通过 命令 pip install -r requirements.txt 来进行安装（这里提一点，默认源是国外网站，下载安装速度慢的话建议直接换源，这里用清华源举例，例如 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple）下图为成功安装

4.安装 ultralytics 包
相比于yolov5，v8需要多安装一个 ultralytics 包，在命令行通过 pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple （也是使用了一次性换源）

三、简单运行推理流程，验证环境可行性
1.下载预训练权重。
手动在官网下载预训练模型（不载下也行，运行的时候会自动下，我这边是习惯）这边以yolov8n举例，点击红框内即可下载，网址再给一下：https://github.com/ultralytics/ultralytics

我这边习惯在工作目录（d:\windows\desktop\python projects\test\231025_yolov8\ultralytics）创建一个文件夹（weights）专门放置权重

这里文件夹（d:\windows\desktop\python projects\test\231025_yolov8\ultralytics\assets）有两张经典图，我们用来做推理

在命令运行 yolo task=detect mode=predict model="ultralytics/weights/yolov8n.pt" source="ultralytics/assets/bus.jpg" imgsz=640 即可进行推理（这边有没有大佬帮忙看下，为啥生成的runs文件夹会在生成在跟项目文件夹同级）
该配置文件 d:\windows\desktop\python projects\test\231025_yolov8\ultralytics\cfg\default.yaml 中有提到
其中task指任务类型，分类，检测，分割啥的，我们这边选择detect。mode指运行模式训练，检测啥的，我们选择predict。model这边填写预训练权重路径。source填写待预测图像路径，这边是具体到了某一张图像，也可写到文件夹，它会将该文件夹下所有图像都推理一遍）。

看下效果图

四、训练自定义数据集
1.首先要构建自己数据集，按照特定的目录结构放置在项目文件夹中（这边不过多介绍标注流程，与yolov5基本一致）
我这边是在项目文件夹下（d:\windows\desktop\python projects\test\231025_yolov8\ultralytics）创建一个 my_datasets，内部结构如图所示（随便找了个数据集就十来张图像）。images内都是jpg图像文件，labels里面都是txt标签文件

2.修改数据集配置文件
文件路径在这里（d:\windows\desktop\python projects\test\231025_yolov8\ultralytics\cfg\datasets），在该路径下创建一个yaml文件，例如下图中231025.yaml，


这里贴上源文本

path: d:\windows\desktop\python projects\test\231025_yolov8\ultralytics\my_datasets
train: images/train
val: images/val

# number of classes
nc: 4

# class names
names: [
    'ok',
    'nok',
    'cilun',
    'ao'
]

在命令行就可以直接运行指令了 yolo task=detect mode=train model="ultralytics/weights/yolov8n.pt" data="ultralytics/cfg/datasets/231025.yaml" epochs=1000 imgsz=960 device=cpu （这里mode就要换成train，data需要提供我们刚刚弄的数据集配置文件路径，epochs这边习惯1000，输入尺寸960，device这边直接cpu了），运行即可


因为也是第一次使用，有啥不足的地方欢迎提出，嘎嘎听建议