基于YOLO的语义分割实战（以猪的分割为例）

毕设做完了吗？2025-06-22 6:05

数据集准备

数据集配置文件

其实语义分割和目标检测类似，包括数据集制备、存放格式基本一致像这样放好即可。

然后需要编写一个data.yaml文件，对应的是数据的配置文件。

python 复制代码

train: C:\图标\dan\语义分割pig\dataset\train\images #绝对路径即可
val: C:\图标\dan\语义分割pig\dataset\valid\images
test: C:\图标\dan\语义分割pig\dataset\test\images

nc: 1
names: ['pig']

# roboflow:
#   workspace: testecontagem
#   project: teste-uggpc
#   version: 4
#   license: CC BY 4.0
#   url: https://universe.roboflow.com/testecontagem/teste-uggpc/dataset/4

train.py

然后我们编写训练代码train.py

作者这里没有参照官方，因为都是兼容的，OK下面给出代码:

python 复制代码

from ultralytics import YOLO
import torch

 
# 加载模型
model = YOLO('./yolov8m-seg.yaml').load('./yolov8m-seg.pt')  # 从YAML构建并转移权重
 
if __name__ == '__main__':
    torch.cuda.empty_cache()
    # 训练模型
    results = model.train(data='./data.yaml', epochs=150, imgsz=256,batch = 32)
 
    metrics = model.val()

至于环境配置这里不再过多讲解。。。

训练过程

运行train.py即可开始训练，这里需要准备模型配置文件和预训练权重，当然这里已经配置完成，存放在本地目录。

训练结果

出现如下结果即可训练，训练结果保存在runs下面，

这是训练完的截图，里面对应的文件与目标检测类似。

OK，至此模型训练完毕。