【YOLOv8训练】使用自定义数据集训练YOLOv8模型(详细版教程,调参必看),包含环境搭建/数据准备/模型训练/预测/验证/导出等
- 0.引言
- 1.环境准备
- 2.数据准备
- (1)指定格式存放数据集
- (2)按比例划分数据集
- (3)将xml文件转换成YOLO系列标准读取的txt文件
- (4)查看自定义数据集标签类别及数量
- (5)修改数据加载配置文件
- 3.模型训练/验证/预测/导出
- (1)模型训练
- 单卡训练
- 多卡训练
- (2)模型验证
- (3)模型预测
- (4)模型导出
0.引言
YOLOv8随着2023一块来了~刚开赶紧打开仓库尝尝鲜,本次升级主要更新了如下部分:
- 更友好的安装/运行方式
- 速度更快、准确率更高
- 新的backbone,将YOLOv5中的C3更换为C2F
- YOLO系列第一次尝试使用anchor-free
- 新的损失函数
另外,我也写了一篇关于YOLOv8&YOLOv7&YOLOv5的数据对比,详情参看这篇YOLOv8(n/s/m/l/x)&YOLOv7(yolov7-tiny/yolov7/yolov7x)&YOLOv5(n/s/m/l/x)不同模型参数/性能对比(含训练及推理速度)。
1.环境准备
在这之前,需要先准备主机的环境,环境如下:
- Ubuntu18.04
- cuda11.3
- pytorch:1.11.0
- torchvision:0.12.0
准备好环境后,先进入自己带pytorch的虚拟环境,与之前的yolo系列安装都不太一样,yolov8仅需要安装ultralytics这一个库就ok了。
pip install ultralytics
另一种方法稍显麻烦,需要先克隆git仓库,再进行安装;二者取其一即可。
git clone https://github.com/ultralytics/ultralyticscd ultralyticspip install -e .
2.数据准备
数据准备工作与YOLOv7和YOLOv5一致,没有看过的朋友可以看下这篇:YOLOv7系列教程:一、基于自定义数据集训练专属于自己的目标检测模型(保姆级教程,含数据集预处理),包含对train.py/test.py/detect.py/export.py详细说明
如果没有克隆yolov8仓库的朋友,需要先新建一个存放模型/数据/脚本的文件夹,比如在/home/admin下新建一个yolov8的文件夹,后续所有操作均在这个文件夹下进行操作。
(1)指定格式存放数据集
在yolov8/data目录下新建Annotations, images, ImageSets, labels 四个文件夹
images目录下存放数据集的图片文件
Annotations目录下存放图片的xml文件(labelImg标注)
没有自己数据集的可以使用这个数据集作训练
行人跌倒数据集
目录结构如下所示
.├── ./data│ ├── ./data/Annotations│ │ ├── ./data/Annotations/fall_0.xml│ │ ├── ./data/Annotations/fall_1000.xml│ │ ├── ./data/Annotations/fall_1001.xml│ │ ├── ./data/Annotations/fall_1002.xml│ │ ├── ./data/Annotations/fall_1003.xml│ │ ├── ./data/Annotations/fall_1004.xml│ │ ├── ...│ ├── ./data/images│ │ ├── ./data/images/fall_0.jpg│ │ ├── ./data/images/fall_1000.jpg│ │ ├── ./data/images/fall_1001.jpg│ │ ├── ./data/images/fall_1002.jpg│ │ ├── ./data/images/fall_1003.jpg│ │ ├── ./data/images/fall_1004.jpg│ │ ├── ...│ ├── ./data/ImageSets│ └── ./data/labels
(2)按比例划分数据集
在yolov8根目录下新建一个文件splitDataset.py,运行
随机分配训练/验证/测试集图片,代码如下所示:
import osimport randomtrainval_percent = 0.9train_percent = 0.9xmlfilepath = 'data/Annotations'txtsavepath = 'data/ImageSets'total_xml = os.listdir(xmlfilepath)num = len(total_xml)list = range(num)tv = int(num * trainval_percent)tr = int(tv * train_percent)trainval = random.sample(list, tv)train = random.sample(trainval, tr)ftrainval = open('data/ImageSets/trainval.txt', 'w')ftest = open('data/ImageSets/test.txt', 'w')ftrain = open('data/ImageSets/train.txt', 'w')fval = open('data/ImageSets/val.txt', 'w')for i in list:name = total_xml[i][:-4] + '\n'if i in trainval:ftrainval.write(name)if i in train:ftrain.write(name)else:fval.write(name)else:ftest.write(name)ftrainval.close()ftrain.close()fval.close()ftest.close()
(3)将xml文件转换成YOLO系列标准读取的txt文件
在同级目录下再新建一个文件XML2TXT.py
注意classes = [“…”]一定需要填写自己数据集的类别,在这里我是一个类别”fall”,因此classes = [“fall”],代码如下所示:
如果数据集中的类别比较多不想手敲类别的,可以使用(4)中的脚本直接获取类别,同时还能查看各个类别的数据量,如果不想可以直接跳过(4)。
# -*- coding: utf-8 -*-# xml解析包import xml.etree.ElementTree as ETimport pickleimport osfrom os import listdir, getcwdfrom os.path import joinsets = ['train', 'test', 'val']classes = ['fall']# 进行归一化操作def convert(size, box): # size:(原图w,原图h) , box:(xmin,xmax,ymin,ymax)dw = 1./size[0] # 1/wdh = 1./size[1] # 1/hx = (box[0] + box[1])/2.0 # 物体在图中的中心点x坐标y = (box[2] + box[3])/2.0 # 物体在图中的中心点y坐标w = box[1] - box[0] # 物体实际像素宽度h = box[3] - box[2] # 物体实际像素高度x = x*dw# 物体中心点x的坐标比(相当于 x/原图w)w = w*dw# 物体宽度的宽度比(相当于 w/原图w)y = y*dh# 物体中心点y的坐标比(相当于 y/原图h)h = h*dh# 物体宽度的宽度比(相当于 h/原图h)return (x, y, w, h)# 返回 相对于原图的物体中心点的x坐标比,y坐标比,宽度比,高度比,取值范围[0-1]# year ='2012', 对应图片的id(文件名)def convert_annotation(image_id):'''将对应文件名的xml文件转化为label文件,xml文件包含了对应的bunding框以及图片长款大小等信息,通过对其解析,然后进行归一化最终读到label文件中去,也就是说一张图片文件对应一个xml文件,然后通过解析和归一化,能够将对应的信息保存到唯一一个label文件中去labal文件中的格式:calss x y w h 同时,一张图片对应的类别有多个,所以对应的bunding的信息也有多个'''# 对应的通过year 找到相应的文件夹,并且打开相应image_id的xml文件,其对应bund文件in_file = open('data/Annotations/%s.xml' % (image_id), encoding='utf-8')# 准备在对应的image_id 中写入对应的label,分别为# out_file = open('data/labels/%s.txt' % (image_id), 'w', encoding='utf-8')# 解析xml文件tree = ET.parse(in_file)# 获得对应的键值对root = tree.getroot()# 获得图片的尺寸大小size = root.find('size')# 如果xml内的标记为空,增加判断条件if size != None:# 获得宽w = int(size.find('width').text)# 获得高h = int(size.find('height').text)# 遍历目标objfor obj in root.iter('object'):# 获得difficult ??difficult = obj.find('difficult').text# 获得类别 =string 类型cls = obj.find('name').text# 如果类别不是对应在我们预定好的class文件中,或difficult==1则跳过if cls not in classes or int(difficult) == 1:continue# 通过类别名称找到idcls_id = classes.index(cls)# 找到bndbox 对象xmlbox = obj.find('bndbox')# 获取对应的bndbox的数组 = ['xmin','xmax','ymin','ymax']b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))print(image_id, cls, b)# 带入进行归一化操作# w = 宽, h = 高, b= bndbox的数组 = ['xmin','xmax','ymin','ymax']bb = convert((w, h), b)# bb 对应的是归一化后的(x,y,w,h)# 生成 calss x y w h 在label文件中out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')# 返回当前工作目录wd = getcwd()print(wd)for image_set in sets:'''对所有的文件数据集进行遍历做了两个工作: 1.将所有图片文件都遍历一遍,并且将其所有的全路径都写在对应的txt文件中去,方便定位 2.同时对所有的图片文件进行解析和转化,将其对应的bundingbox 以及类别的信息全部解析写到label 文件中去 最后再通过直接读取文件,就能找到对应的label 信息'''# 先找labels文件夹如果不存在则创建if not os.path.exists('data/labels/'):os.makedirs('data/labels/')# 读取在ImageSets/Main 中的train、test..等文件的内容# 包含对应的文件名称image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()# 打开对应的2012_train.txt 文件对其进行写入准备list_file = open('data/%s.txt' % (image_set), 'w')# 将对应的文件_id以及全路径写进去并换行for image_id in image_ids:list_file.write('data/images/%s.jpg\n' % (image_id))# 调用year = 年份image_id = 对应的文件名_idconvert_annotation(image_id)# 关闭文件list_file.close()
(4)查看自定义数据集标签类别及数量
在yolov8目录下再新建一个文件ViewCategory.py,将代码复制进去
import osfrom unicodedata import nameimport xml.etree.ElementTree as ETimport globdef count_num(indir):label_list = []# 提取xml文件列表os.chdir(indir)annotations = os.listdir('.')annotations = glob.glob(str(annotations) + '*.xml')dict = {}# 新建字典,用于存放各类标签名及其对应的数目for i, file in enumerate(annotations):# 遍历xml文件# actual parsingin_file = open(file, encoding='utf-8')tree = ET.parse(in_file)root = tree.getroot()# 遍历文件的所有标签for obj in root.iter('object'):name = obj.find('name').textif (name in dict.keys()):dict[name] += 1# 如果标签不是第一次出现,则+1else:dict[name] = 1# 如果标签是第一次出现,则将该标签名对应的value初始化为1# 打印结果print("各类标签的数量分别为:")for key in dict.keys():print(key + ': ' + str(dict[key]))label_list.append(key)print("标签类别如下:")print(label_list)if __name__ == '__main__':# xml文件所在的目录,修改此处indir = 'data/Annotations'count_num(indir)# 调用函数统计各类标签数目
(5)修改数据加载配置文件
进入data/文件夹,新建fall.yaml,内容如下,注意txt需要使用绝对路径
train: /home/xxx/yolov8/data/train.txtval: /home/xxx/yolov8/data/val.txttest: /home/xxx/yolov8/data/test.txt# number of classesnc: 1# class namesnames: ['fall']
至此数据集的准备已经就绪,索引文件在data目录下的train.txt/val.txt/test.txt
3.模型训练/验证/预测/导出
yolov8的训练采用命令行的模型(当然也可以使用api调用的方式,后面会介绍),下面是yolov8官方给定的训练/预测/验证/导出方式:
yolo task=detectmode=trainmodel=yolov8n.ptargs...classify predictyolov8n-cls.yamlargs...segmentvalyolov8n-seg.yamlargs... export yolov8n.ptformat=onnxargs...
(1)模型训练
单卡训练
打开终端(或者pycharm等IDE),进入虚拟环境,随后进入yolov8文件夹,在终端中输入下面命令,即可开始训练。
yolo task=detect mode=train model=yolov8n.pt data=data/fall.yaml batch=32 epochs=100 imgsz=640 workers=16 device=0
所有参数参见下表:
名称 | 默认值 | 描述 |
---|---|---|
batch | 16 | 训练的批量大小 |
model | null | 训练模型权重,可指定具体位置,如yolov8n.pt,yolov8n.yaml等 |
epochs | 100 | 训练的轮次 |
imgsz | 640 | 输入图像压缩后的尺寸 |
device | null | 用于训练的设备,可选0或1或cpu等 |
workers | 8 | 多线程数据加载,默认8 |
data | null | 数据路径,使用自定义的yaml文件或者官方yaml |
lr0 | float | 初始学习率 |
lrf | float | 最终学习率(lr0 * lrf) |
patience | 50 | 早期训练时,准确率如果没有显著上升则停止的轮次 |
save | True | 是否需要保存训练的模型和预测结果 |
cache | False | 使用缓存进行数据加载,可选True/ram, disk 或者 False |
project | null | 项目名称 |
name | null | 实验的名称 |
exist_ok | False | 是否覆盖现有实验 |
pretrained | False | 是否使用预训练模型 |
optimizer | ‘SGD’ | 优化器,可选[‘SGD’, ‘Adam’, ‘AdamW’, ‘RMSProp’] |
verbose | False | 是否打印详细输出 |
seed | 0 | 重复性实验的随机种子 |
deterministic | True | 是否启用确定性模式 |
single_cls | False | 是否将多类数据训练为单类 |
image_weights | False | 是否使用加权图像选择进行训练 |
rect | False | 是否支持矩形训练 |
cos_lr | False | 是否使用余弦学习率调度器 |
close_mosaic | 10 | 禁用最后 10 个 epoch 的马赛克增强 |
resume | False | 是否从上一个检查点恢复训练 |
lr0 | 0.01 | 初始学习率(SGD=1E-2, Adam=1E-3) |
lrf | 0.01 | 余弦退火超参数 (lr0 * lrf) |
momentum | 0.937 | 学习率动量 |
weight_decay | 0.0005 | 权重衰减系数 |
warmup_epochs | 3.0 | 预热学习轮次 |
warmup_momentum | 0.8 | 预热学习率动量 |
warmup_bias_lr | 0.1 | 预热学习率 |
box | 7.5 | giou损失的系数 |
cls | 0.5 | 分类损失的系数 |
dfl | 1.5 | dfl损失的系数 |
fl_gamma | 0.0 | 焦点损失的gamma系数 (efficientDet默认gamma=1.5) |
label_smoothing | 0.0 | 标签平滑 |
nbs | 64 | 名义批次,比如实际批次为16,那么64/16=4,每4 次迭代,才进行一次反向传播更新权重,可以节约显存 |
overlap_mask | True | 训练期间掩码是否重叠(仅限分割训练) |
mask_ratio | 4 | 掩码下采样率 (仅限分割训练) |
dropout | 0.0 | 使用 dropout 正则化 (仅限分类训练) |
多卡训练
yolov8的多卡训练其实很简单,不需要使用繁琐的命令行指令,仅需把device=’0,1,2,3’即可,注意一定要加\和引号哦
yolo task=detect mode=train model=yolov8n.pt data=data/fall.yaml batch=32 epochs=100 imgsz=640 workers=16 device=\'0,1,2,3\'
(2)模型验证
使用如下命令,即可完成对验证数据的评估。
yolo task=detect mode=val model=runs/detect/train3/weights/best.pt data=data/fall.yaml device=0
名称 | 默认值 | 描述 |
---|---|---|
val | True | 在训练期间验证/测试 |
save_json | False | 将结果保存到 JSON 文件 |
save_hybrid | False | 保存标签的混合版本(标签+附加预测) |
conf | 0.001 | 用于检测的对象置信度阈值(预测时默认 0.25 ,验证时默认0.001) |
iou | 0.6 | NMS 的交并比 (IoU) 阈值 |
max_det | 300 | 每张图像的最大检测数 |
half | True | 使用半精度 (FP16) |
dnn | False | 使用 OpenCV DNN 进行 ONNX 推理 |
plots | False | 在训练期间显示图片 |
(3)模型预测
使用如下命令,即可完成对新数据的预测,source需要指定为自己的图像路径,或者摄像头(0)。
yolo task=detect mode=predict model=runs/detect/train3/weights/best.pt source=data/images device=0
名称 | 默认值 | 描述 |
---|---|---|
source | ‘ultralytics/assets’ | 图片或视频的源目录 |
save | False | 是否保存结果 |
show | False | 是否显示结果 |
save_txt | False | 将结果保存为 .txt 文件 |
save_conf | False | 保存带有置信度分数的结果 |
save_crop | Fasle | 保存裁剪后的图像和结果 |
conf | 0.3 | 置信度阈值 |
hide_labels | False | 隐藏标签 |
hide_conf | False | 隐藏置信度分数 |
vid_stride | False | 视频帧率步幅 |
line_thickness | 3 | 边界框厚度(像素) |
visualize | False | 可视化模型特征 |
augment | False | 将图像增强应用于预测源 |
agnostic_nms | False | 类别不可知的 NMS |
retina_masks | False | 使用高分辨率分割蒙版 |
classes | null | 只显示某几类结果,如class=0, 或者 class=[0,2,3] |
(4)模型导出
使用如下命令,即可完成训练模型的导出。
yolo task=detect mode=export model=runs/detect/train3/weights/best.pt