用YOLOv8推荐的roboflow方法训练自己的数据集合

ANUU

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=ultralytics

1. 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：

1. <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>

复制代码

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）

1. <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>

复制代码

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)

1. <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>

复制代码

结果保存在最后指定路径中

打开视频就能看见了

ANUU

最后一张图从文章某个部分跑出来了 {:1_14: