YOLOv8目标检测学习

环境安装+跑通

简要介绍：YOLOv8 是 Ultralytics 公司在 2023 年推出的新一代 实时目标检测模型，也是 YOLO 系列（You Only Look Once）的最新版本之一。它在速度、精度、易用性上都做了大幅优化，是目前计算机视觉领域最主流的目标检测 / 分割 / 分类工具之一，尤其适合新手入门和工业级部署。YOLOv8 不是单一模型，而是一套端到端的计算机视觉工具包

环境安装教程：一小时成功！YOLOv8环境搭建+模型训练+训练自己的数据集，手把手带你从零部署YOLOv8目标检测算法！（深度学习/计算机视觉）_哔哩哔哩_bilibili

相关下载链接

miniconda下载链接：Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 安装python38的版本

打开 anaconda prompt执行下面命令：

conda 环境创建 命令: conda create -n yolov8 python=3.8 安装这个指定版本的包

conda activate yolov8（该命令在上执行后会有，自己复制即可。以后要用都得在激活环境的条件下进行）

pypi 配置国内源：pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror（个人配置的所以默认，方便以后）

由于没有独显安装的typorch：pip install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple。要是用的NVIDA显卡按照上面教学视频按照对应版本。

下载ultralytics包：pip install ultralytics （由于我一开始没在根目录安装，所以下载的源码是分开的，只要不修改源码这样用也可以）
用pip list快速查看按照是否完成

注意：power shell 中无法激活conda环境，因此只能用cmd或者anaconda prompt

第一次跑通yolov8的结果：

第一个demo

此demo是为了跟进一篇论文的研究而做的
数据集从kaggle上下的：https://www.kaggle.com/datasets/meiling12/tea-budsyolo
labellmg下载链接：https://github.com/HumanSignal/labelImg/releases

使用labellmg查看图片的正确设置流程：
创建 classes.txt 文件放到你的 labels/train 文件夹里（和 .txt 标注文件同目录），文件内容为你的数据集类别名称，通常是tea_bud。
点击 Open Dir：选择你的图片文件夹 images/train
点击左侧的 Change Save Dir 按钮，必须选择 labels/train 这个文件夹
在左侧工具栏找到标有 PascalVOC 的按钮，点击它切换到 YOLO 选项。

数据集准备完成就剩下跑模型了，相关代码：

from ultralytics import YOLO

# 加载预训练模型
model = YOLO('yolov8n.pt')


# 训练茶叶数据集
results = model.train(
    data='tea.yaml',    # 数据集配置文件
    epochs=5,          # 训练轮数（新手50轮足够）
    batch=8,            # 批次大小（显存小就改成4/2）
    imgsz=640,          # 图片尺寸
    device='cpu',       # 无GPU用cpu，有GPU写0
    name='tea_bud_train',# 训练结果保存文件夹名
)

可以看到，loss（损失）在不断地下降，且map50和map50-95是在不断上升，说明模型的训练效果是正常上升的