用YOLOv8推荐的roboflow方法训练自己的数据集合
1. 把自己想要训练的图片整理到一个文件夹中：这里我的图片大小统一为765*512，并且统一为jpg的格式2. 使用roboflow创建数据集 官方推荐使用roboflow将自定义数据集进行标注并直接导出到 YOLOv8 以进行训练roboflow官网：https://roboflow.com/?ref=ultralytics1. 得到的数据集压缩包解压到仓库的主路径中，我把数据集重命名为flyerdata：至于问为什么，是因为这样等下调用CLI命令会更简单2. 再把数据集复制到下图所示路径中至于为什么要选择这个路径，首先是因为我跑训练的CLI时报错，报错说它要从这找数据；其次是跑官方的训练时它的数据集也放这里；再次是在终端输入：yolo settings 时，它告诉我它默认把数据集放这里，简单来说，就是yolov8在训练数据集时，默认从这里找数据3. 在pycharm打开自创数据集中的data.yaml，修改文件中的路径保存之后，就可以在yolov8环境下的终端输入：<p style="text-align: center;">yolo task=detect mode=train model=yolov8n.pt data=flyerdata/data.yaml epochs=100 imgsz=640 workers=4 batch=4</p><p style="text-align: center;"></p>
要改的是data，把其中的flyerdata改成你的数据集名称即可回车开始训练（这里的flyerdata是你仓库中主路径的数据集,是有点绕哈哈)开始训练：训练完成：结果保存在最后一行指示的路径中3、预测新数据1.训练完成后，会得到一个属于你自己的训练集模型
2. 训练完后可以进行模型的验证：（要根据你的数据集训练结果模型的位置来修改以下代码）<p style="text-align: center;">yolo task=detect mode=val model=runs/detect/train5/weights/best.pt data=flyerdata/data.yaml</p><p style="text-align: center;"></p>
验证完成1. 新数据的预测先上网收集新的和你的数据集相关的图片（和训练数据集时不一样的），做成文件夹，图片大小和格式与刚刚数据集图片的文件夹相同，这里我给文件夹命名为images，并放进仓库主路径中接下来根据你的数据集训练结果模型的位置来修改以下代码，source就是你的新图片文件夹的位置，由于我已经放在仓库主路径中，故可直接source=images
yolo detect mode=predict model=runs/detect/train5/weights/best.pt source=images开始预测：
预测完成：预测结果也同样放在最后一行指定路径中完成！4. 也可以用训练后得到的数据集模型来训练视频 先把想训练的视频放在仓库主路径上（当然也可以别的路径），我这里把视频文件夹vedio放在了仓库主路径上
然后用以下代码调用：(相对于前面，就是把source改成视频的路径)<p style="text-align: center;">yolo detect mode=predict model=runs/detect/train5/weights/best.pt source=video/1.mp4</p><p style="text-align: center;"></p>
结果保存在最后指定路径中
打开视频就能看见了
{:1_14:} 最后一张图从文章某个部分跑出来了 {:1_14:
页:
[1]