yolov8入门篇 - 技术栈

b站博主@你可是处女啊：https://space.bilibili.com/21060026/upload/video

1、YOLOv8 环境安装

miniconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

pypi: https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

pytorch: https://pytorch.org/

ultralytics: https://github.com/ultralytics/ultralytics

miniconda安装

✋创建环境：

bash 复制代码

conda create -n yolov8 python=3.8

🐛访问不到国外的网站

配置清华源试试：

bash 复制代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

然后：

bash 复制代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

再：

bash 复制代码

conda config --set show_channel_urls yes

把默认源移除：

bash 复制代码

conda config --remove channels defaults

最后检查：

bash 复制代码

conda config --show channels

解决了，

安装的python版本是3.10，（建议安装3.8，后面标注时出bug可能是这里出错），

配置源：

pytorch安装

✋

选择安装的pytorch版本是：1.13.1

查看自己电脑配置，然后支持cuda的版本最大是：12.8，

所以选择了cuda11.6的版本：

命令，

bash 复制代码

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

安装pytorch得走国外网络，要挂t子，不然太慢了。

安装ultralytics（yolov8）

✋

从github上下载源码之后，在这个源码文件夹内，执行源码本地安装，也就是安装到python环境里面，（pip源码安装），

bash 复制代码

pip install -e .

代码可以修改？

学习使用windows的终端

YOLOv8官方文档中文版上线：https://docs.ultralytics.com/zh/

2、YOLOv8 模型预测

模型预测的基本使用

python 复制代码

from ultralytics import YOLO

yolo = YOLO("./yolov8n.pt",task="detect")

result = yolo(source="./ultralytics/assets/bus.jpg")

常用的参数讲解

参数：

task：做什么任务

mode：预测，训练，还是验证

model：使用哪个模型进行预测

source：对谁进行检测

✋

powershell 复制代码

yolo detect predict model=./yolov8n.pt source=./ultralytics/assets/bus.jpg

执行成功了，

也可以执行文件运行模型：

⭐️所有可选参数：

save：保存结果，结果存在runs文件夹下，

conf：图片的分数，低于这个分数直接丢弃该框，所以设置得高，检测出来的结果会少

iou：允许框重叠。设置得高，结果会多

对预测结果进行处理

📖在vscode里面运行.ipynb的要求：

1、要下载python拓展，jupyter拓展

2、要在yolo虚拟环境中安装ipykernel

命令：

powershell 复制代码

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

3、ipynb 右上角选对内核，也就是选择ipynb 用的环境

解决了：

查看结果的详细信息：

python 复制代码

result[0]

测试结果可视化

python 复制代码

import matplotlib.pyplot as plt
%matplotlib inline
plt.imshow(result[0].plot())

调整颜色通道

python 复制代码

import matplotlib.pyplot as plt
%matplotlib inline
plt.imshow(result[0].plot()[:,:,::-1])

boxes和plot的应用

取里面具体的信息

python 复制代码

result[0].boxes

点击text editor查看完整内容：

取具体的信息，并转换成numpy格式

python 复制代码

result[0].boxes.xywh.cpu().numpy()

注意事项

3、YOLOv8数据集构建

数据准备

博主github地址：https://github.com/zyds

视频在yolov5文件夹里：

打开视频

python 复制代码

# 打开视频文件
video = cv2.VideoCapture("./BVN.mp4")
# 读取一帧
ret, frame = video.read()

ret：是否成功打开

frame：具体的一帧

展示结果

python 复制代码

plt.imshow(frame)

转换颜色通道

python 复制代码

plt.imshow(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))

把图片一个个存下去

python 复制代码

video = cv2.VideoCapture("./BVN.mp4")
num = 0         # 计数器
save_step = 30  # 间隔帧
while True:
    ret, frame = video.read()
    if not ret:
        break
    num += 1
    if num % save_step == 0:
        cv2.imwrite("./demo_images/" + str(num) + ".jpg", frame)

打开文件夹看一下，都截取好了，

labelimg数据集标注

拿到图片之后进行标注
使用labalimage进行标注

powershell 复制代码

pip install labelimg

powershell 复制代码

labelimg

view→auto save mode：打开自动保存，

切换数据集格式为yolo，

🐛一标注就闪退

原因：LabelImg 和当前环境里的 Qt/PyQt 版本不兼容

解决办法：

1️⃣改源代码（不推荐）

2️⃣新建一个labelimg环境，专门做标注

创建环境（因为换了清华源，所以创建时要关掉t子）

⭕️3.10版本python不可以，我下的是3.8的，3.9的应该也可以

powershell 复制代码

conda create -n labelimg python=3.8

激活环境

powershell 复制代码

conda activate labelimg

下载labelimg

powershell 复制代码

pip install labelimg

标注快捷键：

w：框选

d：下一张

a：上一张

make sence数据集标注

辅助标注工具

make sense:
https://www.makesense.ai/

结果其实是一样的：

roboflow公开数据集

公开数据集

roboflow：

https://public.roboflow.com/object-detection

https://universe.roboflow.com/

以叶片病为例

train：教模型学习（训练用）

valid：上课随堂测验（训练过程看效果）

test：期末考试（全部训练完才跑，不参与训练）

4、YOLOv8模型训练

训练前准备

数据集准备

✋

image：放train和val的图片

labels：放train和val的标签

新建一个datasets文件夹，把数据集放在里面：

数据集描述文件

可以对已有的描述文件改写一下，

从以下目录找到描述文件，随便复制一个进行改写，

改写的参数：

path：文件在哪，从datasets这个文件夹开始写起

train：训练集在哪

val：验证机在哪

test：测试集在哪

name：标注一下类别

✋

yaml 复制代码

path: bvn 
train: images/train 
val: images/val 
test:

names:
  0: mildew
  1: rose_P01
  2: rose_P02

模型训练与常用参数

powershell 复制代码

yolo task=detect mode=train model=./yolov8n.pt data=yolo-bvn.yaml epochs=30 worker=1 batch=16

mode：模式

model：哪个模型开始训练起

data：数据集的描述文件

epochs：训练多少轮

workers：（数据加载子进程，Windows 建议设 1）

batch：每批图片数量（根据显卡调整，我这里调整成8）

✋

🐛

报错：missing path 'D:\data\bilibili\yolo\deeplearning\ultralytics‑8.3.163\datasets\bvn\images\val'

解决：修复 yolo‑bvn.yaml，path 必须写完整绝对路径

yaml 复制代码

path: D:/data/bilibili/yolo/ultralytics-main/datasets/bvn
train: images/train 
val: images/val 
test:

names:
  0: mildew
  1: rose_P01
  2: rose_P02

训练中：

执行完后会生成一个文件：default_copy.yaml，就可以把覆盖原有参数的地方写进去，

训练时只需执行命令yolo cfn=default_copy.yaml

训练结果

结果保存位置：

最好的模型和最后一轮的模型：

试一下效果

在bvn文件夹下放了两张照片：

bash 复制代码

yolo detect predict model=D:/data/bilibili/yolo/ultralytics-main/runs/detect/train-4/weights/best.pt source=D:/data/bilibili/yolov8/bvn/images/val

三个类别对照：

检测结果：

从网上找了两张玫瑰病害的图片：

bash 复制代码

image 1/2 D:\data\bilibili\yolov8\bvn\1.webp: 416x640 9 mildews, 9.9ms
image 2/2 D:\data\bilibili\yolov8\bvn\2.jpg: 640x544 1 mildew, 18.1ms