YOLOv8制作自定义数据集并训练

原创

已于 2024-02-15 20:09:35 修改 · 6.8k 阅读

155

标签

#YOLO #python #人工智能 #深度学习

于 2024-02-12 22:03:40 首次发布

本文详细介绍了如何使用YOLOv8制作自定义数据集，包括图片下载、标记、数据集结构调整以及如何配置模型和数据集进行训练和验证。作者以实例说明了如何为手机和鼠标创建数据集，并提供了必要的代码示例和注意事项。

该文章已生成可运行项目，

前言

本文中的数据集以制作一个鼠标和手机的自定义为例，大家在制作自定义数据集时方法类似。

一、制作自定义数据集

1、建立相应文件夹

在桌面建立一个YOLO_phonemouse（该名字自定义，自由设置即可），点击打开,在其中新建两个文件夹分别命名为images和labels，再新建一个文本文件命名为classes，里面写上需要标记的类的名称，博主要标记手机和鼠标，所以在里面写上phone、mouse
YOLO_phonemouse的目录结构如下所示：

YOLO_phonemouse
├─ images
├─ labels
├─ classes.txt

2、下载图片

在网络上下载关于鼠标和手机的照片，下载的照片放在YOLO_phonemouse的images文件夹中
注：下载的时候要把下载名称的后缀都改为.jpg
在这里插入图片描述

3、为图片打标签

（1）安装labelimg

用快捷键：win+r，输入cmd，进入cmd命令行控制台。输入如下的命令：

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

（2）打开labelimg

用快捷键：win+r，输入cmd，进入cmd命令行控制台。输入如下命令：

cd "C:\Users\86139\Desktop\YOLO_phonemouse"  //这里的路径根据自己文件夹所在的位置进行修改

在这里插入图片描述
输入以下命令：

labelimg images classes.txt

指打开labelimg工具，打开imagines文件夹，初始化classes.txt里面定义的类。

（3）标记图片

打开labelimg后，labelimg中的一些设置、标注方法和快捷键可以参考以下文章的3.2之后的部分：
目标检测—利用labelimg制作自己的深度学习目标检测数据集

在这里插入图片描述

标注完成后，打开labels文件夹，可以看到里面都是txt文件。

在这里插入图片描述

到这里，自定义的数据集就制作好了。

二、按比例移动自定义数据集中的内容

在pycharm中运行以下代码即可，需要根据自己的情况修改相应文件的路径。

# -*- coding: gbk -*-
import os
import random
import shutil
from tqdm import tqdm

# 数据集images 文件夹路径
image_dir = "C:/Users/86139/Desktop/YOLO_phonemouse/images"
# 数据集labels 文件夹路径
label_dir = "C:/Users/86139/Desktop/YOLO_phonemouse/labels"

# 创建一个空列表来存储有效图片的路径
valid_images = []
# 创建一个空列表来存储有效 label 的路径
valid_labels = []

# 遍历 images 文件