本人第在20240511 用yolov8自己训练模型成功，用70张标注文件在简单背景情况下，获得极高准确度，故记录一下步骤备忘。

本人yolo新手，如有不对还请各位老师指出。

一、环境安装

安装miniconda：Miniconda — Anaconda documentation 

下载完安装，在开始按钮处找到：Anaconda prompt，启动后在base用户下，在此窗口下输入创建命令：

conda create -n py38 python=3.8

 执行完后激活环境：

conda activate py38

然后换个源

pip config set install.trusted-host mirrors.aliyun.com

然后正常安装

pip install ultralytics

安装也不快，可能要等一会

然后安装标注工具

pip install labelimg

到此安装的就结束。

二、数据标注

先搞个mydata文件夹，内部如下图所示再搞几个文件夹：dataSet,images,labels,paper_data,xml，runs可以不用，他是自己创建出来的

 把图片放到images，先开始数据标注吧，还是那个命令行窗口：

labelimg

执行完会打开一个界面：

然后打开存放图片的目录，他会一个个放到这里，你就开始标注，第一次画框 他会让你创建一个标签名字，我起了一个就叫“id”的，保存的目录选xml，这样就会自动保存到那个目录了，不会标注的建议看一下这个文章：【教程】标注工具Labelimg的安装与使用 - 知乎 (zhihu.com) 差不多看一下就会了。另外，images下面图片名称很奇怪很长的话，建议改一下名字，你可以全选文件，对一个改名成空值，这样其他的就会变成(1).jpg.....(n).jpg了

然后创建一个自动划分数据的脚本，可以分成训练、测试、验证集，创建a.py

# coding:utf-8
 
import os
import random
import argparse
 
parser = argparse.ArgumentParser()
# xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='xml', type=str, help='input xml label path')
# 数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='dataSet', type=str, help='output txt label path')
opt = parser.parse_args()
 
trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)
 
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
 
file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
 
for i in list_index:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)
 
file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

这个代码大家都在用，执行完后，我的txt是这样的

然后再创建一个脚本voc_label.py，内容是：

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd
 
sets = ['train', 'val', 'test']
classes = ["id"]   # 改成自己的类别
abs_path = os.getcwd()
print(abs_path)
 
def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h
 
def convert_annotation(image_id):
    in_file = open('xml/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        #difficult = obj.find('Difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w:
            b2 = w
        if b4 > h:
            b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
 
wd = getcwd()
for image_set in sets:
    if not os.path.exists('labels/'):
        os.makedirs('labels/')
    image_ids = open('dataSet/%s.txt' % (image_set)).read().strip().split()
    list_file = open('paper_data/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write(abs_path + '/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

这个脚本我就改了一下类别，他在paper_data下生成了要用到的数据集 ：

在labels下生成了从xml转来的数据文件：

至此数据是准备完了。再改yolo的配置文件 ：

在mydata目录下创建mydata.yaml文件，内容就是自己的路径和类：

train: 'G:\yolo\mydata\paper_data\train.txt'
val: 'G:\yolo\mydata\paper_data\val.txt'

#classes
names:
  0: id

三、训练

直接执行下面的命令就行，他自己会下载模型 ，你也可以自己下载

yolo task=detect model=yolov8s.pt data=mydata.yaml epochs=200 batch=8 device=cpu

具体参数含义可以看结尾其他前辈的文章。剩下的就是等训练结束。

四、测试

等模型训练完，可以用py写一个摄像头的脚本来实时测试：

import cv2  
import sys  
import time
import numpy as np  
from ultralytics import YOLO  
  
# 加载模型  
model = YOLO('runs/detect/train3/weights/best.pt')  # 载入自定义模型
  
cap = cv2.VideoCapture(0)  # 更改数字，切换不同的摄像头
cap.set(cv2.CAP_PROP_FRAME_WIDTH,1600)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT,1200)
  
# loop
while cap.isOpened():
    success, frame = cap.read()

    if success:
        start = time.perf_counter()

        # Run YOLOv8 inference on the frame
        results = model(frame)

        end = time.perf_counter()

        total_time = end - start
        fps = 1 / total_time

        # visualize the results on the frame
        annotated_frame = results[0].plot()

        # display the annotated frame
        cv2.imshow("YOLOv8 Inference:", annotated_frame)

        # Break the loop if 'q' is pressed
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        # Break the loop if the end of the video is reached
        break

# Release the video capture object and close the display windows
cap.release()
cv2.destroyAllWindows()

测试效果很好：

 

五、结尾

感谢互联网上各位老师提供的参考：

YOLOv8训练自己的数据集(超详细)-CSDN博客  

YOLOv8训练自己的数据集_yolov8 txt数据读取-CSDN博客

YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等_yolov8训练自己的数据集-CSDN博客 如果我写的有什么问题，大家可以参看上述几位前辈的文章。

20240513补充：如果需要识别倾斜或旋转的物体，可以参考【【保姆级教程】YOLOv8_OBB旋转目标检测：训练自己的数据集_如何自训练旋转目标-CSDN博客】