Tabla de contenido
3. Preparación del conjunto de datos
1. Introducción a YOLOV8
Diagrama de estructura de Yolov8:
YoloV8相对于YoloV5的改进点:
Reemplace el módulo C3 con el módulo C2f.
Reemplace la primera Conv 6x6 con Conv 3x3 en el Backbone.
Elimine dos Convs (No.10 y No.14 en la configuración de YOLOv5).
Reemplace la primera Conv 1x1 con Conv 3x3 en el Cuello de botella.
Utilice la cabeza desacoplada y elimine la rama de objetividad.
ancla libre.
Comparación de precisión de YoloV8:
2.Instalación YOLOV8
Si es sólo para un uso sencillo, simplemente lea el siguiente artículo.
Tutorial de nivel de niñera YOLOv8 (entrenando su propio conjunto de datos)_Blog-CSDN de Chen Ziyi
Si deseas cambiar la estructura del modelo, continúa leyendo a continuación.
2.1 Configuración del entorno
Primero, se recomienda utilizar anaconda para configurar el entorno Python, si no sabes cómo, lee el siguiente blog.
El último tutorial de instalación de Anaconda a nivel de niñera_blog de Chen Ziyi-blog CSDN
conda create -n YOLOv8 python=3.8 #创建YOLOv8的环境
conda activate YOLOv8 #激活环境
Instalar pytorch
CUDA 11.6
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 -i https://pypi.tuna.tsinghua.edu.cn/simple
CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 -i https://pypi.tuna.tsinghua.edu.cn/simple
Elige uno
Instalar paquetes de dependencia
pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
Abra pycharm y cargue su entorno.
Seleccione su versión de Python y el intérprete conda normalmente recién creado aparecerá automáticamente.
A continuación, abra la terminal de pycharm, que es el resultado final.
elige este
Si ha instalado el paquete ultralytics, desinstálelo. De lo contrario, omita este paso.
Ejecute la instalación de python setup.py.
No te preocupes por lo que pase en el medio.
La forma de juzgar si la instalación es exitosa depende principalmente de si el resultado final contiene dependencias de procesamiento terminado para ultralíticos.
3. Preparación del conjunto de datos
Enlace: https://pan.baidu.com/s/1FaBTUQvceUJJu3s1dg4xMg
Código de extracción: ypwa
Hemos preparado un conjunto de datos de acero para todos.
ponga data.yaml en la siguiente ruta
El conjunto de datos se puede colocar en la siguiente ruta.
Modificar la dirección en yaml
Crear un archivo de mi tren
Pon el siguiente codigo
from ultralytics import YOLO
# model = YOLO('yolov8n-CF2_ATT.yaml')
# model.train(data='data.yaml', epochs=5)
model = YOLO('yolov8n.yaml')
model.train(data='data.yaml', epochs=10)
Los parámetros de la función model.train se seleccionan a continuación.
Después de la configuración, puede entrenar o modificar el archivo de configuración del modelo según sus necesidades.
Ver resultados
Configurar mi valor
from ultralytics import YOLO
model = YOLO(r'D:\YOLOv8\ultralytics\models\yolo\detect\runs\detect\train11\weights\best.pt')
# It'll use the data yaml file in model.pt if you don't set data.
model.val()
# or you can set the data you want to val
model.val(data='data.yaml')
Lo anterior es el proceso completo.
El próximo artículo enumerará los errores que puede encontrar yolov8.