乱糟糟的YOLOv8-detect和pose训练自己的数据集

原创

已于 2023-08-29 09:59:58 修改 · 3.3k 阅读

标签

#YOLO

于 2023-08-28 20:37:43 首次发布

本文详细介绍了如何将yolo_v8中的json数据转换为txt格式，涉及detect和pose任务，以及如何使用ultralytics库进行训练和预测。同时提到了模型封装程度的问题和对改进的限制。

时代在进步，yolo在进步，我还在踏步，v8我浅搞了一下detect和pose，记录一下，我还是要吐槽一下，为啥子这个模型就放在了这个文件深处，如图。

以下教程只应用于直接应用yolov8，不修改。我之前搞v7的环境，直接

 pip install ultralytics

1. detect

在detect文件夹下新建一个dataset放图片（jpg）和yolo格式的标签（txt）训练集和测试集直接分好，再新建一个data.yaml，如图，放你自己的路径，类别。

放一个检测框的json转yolo的代码，改类别和文件夹路径

import os
import json
import numpy as np
# 类和索引
CLASSES=["fish"]
def convert(size,box):
    '''''
    input:
    size:(width,height);
    box:(x1,x2,y1,y2)
    output:
    (x,y,w,h)
    '''
    dw=1./size[0]
    dh=1./size[1]
    x=(box[0]+box[1])/2.0
    y=(box[2]+box[3])/2.0
    w=box[1]-box[0]
    h=box[3]-box[2]
    x=x*dw
    w=w*dw
    y=y*dh
    h=h*dh
    return (x,y,w,h)
# json -> txt
def json2txt(path_json,path_txt):
    # print(path_json,"r")
    with open(path_json,"r") as path_json:
        jsonx=json.load(path_json)
        width=int(jsonx["imageWidth"])      # 原图的宽
        height=int(jsonx["imageHeight"])    # 原图的高
        with open(path_txt,"w+") as ftxt:
            # 遍历每一个bbox对象
            for shape in jsonx["shapes"]:
                obj_cls=str(shape["label"])     # 获取类别
                cls_id=CLASSES.index(obj_cls)   # 获取类别索引
                points=np.array(shape["points"])    # 获取(x1,y1,x2,y2)