关键词：

YOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本，相较于之前的版本，YOLOv8可以更快速有效地识别和定位图像中的物体，以及更准确地分类它们。

作为一种深度学习技术，YOLOv8需要大量的训练数据来实现最佳性能。为了让YOLOv8能够有效地识别自己的应用中的物体，开发者需要准备大量的训练数据，而构建自定义数据集是一个非常耗时的过程，往往收集图像、标记图像并以正确的格式导出它们可能就需要数十甚至数百个小时。为了解决这一问题，YOLOv8在官方教程中，为我们推荐了一款强大的开源工具——Roboflow。

Roboflow介绍

Roboflow是一款专为YOLOv8设计的自动化训练数据工具，它为YOLOv8提供了一种更便捷、更快速的方式来准备训练数据。它能够自动从开发者提供的原始图像数据中提取所需的信息，并将其转换为YOLOv8可以直接使用的格式。Roboflow还提供了一种独特的标记方式，让开发者更轻松地为图像中的物体设定标签，以便YOLOv8能够更有效地识别它们。本文将为大家介绍如何使用Roboflow来训练YOLOv8自定义数据集。

创建自己的数据集

首先，我们把想要训练的图片整理到一个文件夹中，并设置图片尺寸与格式统一。

接着，使用Roboflow创建数据集。前往Roboflow官网点击右上角注册账号，然后通过Roboflow将自定义数据集进行标注并直接导出到 YOLOv8以进行训练。具体操作步骤如下：

 

导入目标文件夹后，双击任何一张图片即可进入标注，这里我们以第一张图片为例，操作步骤如图所示：

 

图片标注完成，返回后点击右上方进行保存。选择“Split Images Between Train/Vaild/Test”，根据系统推荐自动划分训练集、验证集和测试集，最后导出文件压缩包至电脑。

训练数据集

将得到的数据集压缩包解压到仓库的主路径中，为了方便后续调用CLI命令更便捷，这里我们将数据集重命名为“flyerdata”。

再把数据集复制到下图所示路径中（YOLOv8在训练数据集时，会默认从这个路径内找数据）。

在“pycharm”打开自创数据集中的“data.yaml”，修改文件中的路径。

修改保存后，在yolov8环境下的终端输入：

yolo task=detect mode=train model=yolov8n.pt data=flyerdata/data.yaml epochs=100 imgsz=640 workers=4 batch=4

同时将“data=”后缀修改为自己数据集的路径，回车开始训练。训练完成之后，结果会保存在最后一行指示的路径中。

预测新数据

训练完成后，会得到一个属于你自己的训练集模型。

根据你的数据集训练结果模型的位置来修改以下代码，完成模型验证：

yolo task=detect mode=val model=runs/detect/train5/weights/best.pt data=flyerdata/data.yaml

新数据的预测

用验证后的训练集模型预测新数据，需要先收集和我们的数据集相关的同类型图片，做成新的文件夹，图片大小和格式保持与之前的数据集图片一致，这里我们将新的图片文件夹命名为“images”，并放进仓库主路径中。

接下来根据数据集训练结果模型的位置来修改以下代码，“source”是指新图片文件夹的位置，由于我们已经将文件夹放在了仓库主路径中，故可直接修改为”source=images”，然后开始预测。

yolo detect mode=predict model=runs/detect/train5/weights/best.pt source=images

如需用训练后得到的数据集模型来训练视频，则把想训练的视频放在仓库主路径上，然后用以下代码（将“source=”后缀改成视频的路径）调用即可：

yolo detect mode=predict model=runs/detect/train5/weights/best.pt source=video/1.mp4

预测完成后，预测结果也同样自动保存在最后一行指定路径中。

总结

总而言之，Roboflow是一种非常有用的工具，它提供了一种简单的方式来调整训练数据，使其能够更好地适应YOLOv8的要求，帮助我们更轻松地准备YOLO v8所需的训练数据。还可以自动转换和标记图像，以及针对不同的训练数据集设置特定的训练参数，确保YOLOv8能够更有效地识别物体，从而使YOLOv8能够更有效地学习。

相关资源链接

[1] Roboflow官网：https://roboflow.com/?ref=ultralytics

[2] YOLOv8 项目地址：https://github.com/ultralytics/ultralytics

[3] YOLOv8 官方教程：https://blog.roboflow.com/how-to-train-yolov8-on-a-custom-dataset/#preparing-a-custom-dataset-for-yolov8

- END -

 阿木实验室，为机器人研发提供开源软硬件工具和课程服务，让研发更高效！

[课程][原创]yolov8训练自己的目标检测模型windows版

搞定系列：yolov8训练自己的目标检测模型windows版无限期视频有效期课程地址;https://edu.csdn.net/course/detail/3825411节节数5706学生人数研究员熟悉众多计算机编程语言，开发众多windows程序,长期致力于图像算法、深度学习方面研... 查看详情

yolov8代码梳理训练自己的数据最终版

1.总结一下最开始为了检测不规则的麻包袋，所以采用了目标检测。yolov3，fasterrcnn，ssd。这种矩形框还是可以用。后面检测的物体变成了规则的纸箱，我们还用目标检测发现，没有旋转角度，因为箱子的摆... 查看详情

Yolov5 物体检测训练

...检测小物体（从头开始）。为了标记我的图像，我使用了roboflow，我应用了一些数据增强和一些roboflow作为服务提供的预处理。当我完成预处理步骤并且数据增强roboflow提供了 查看详情

yolov8进行改进并训练自定义的数据集(代码片段)

一.训练数据集准备    YOLOv8的训练数据格式与YOLOv5的训练数据格式一致，这一部分可以进行沿用。之前博文有发布VOC标注格式转YOLO标注格式的脚本，有需要可以查看。二.项目克隆    YOLOv8项目文件可以直接去github上... 查看详情

yolov8训练筷子点数数据集(代码片段)

序言yolov8发布这么久了，一直没有机会尝试一下，今天用之前自己制作的筷子点数数据集进行训练，并且记录一下使用过程以及一些常见的操作方式，供以后翻阅。一、环境准备yolov8的训练相对于之前的yolov5简单... 查看详情

yolov8教程系列：一使用自定义数据集训练yolov8模型（详细版教程，你只看一篇-＞调参攻略），包含环境搭建/数据准备/模型训练/预测/验证/导出等(代码片段)

【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... 查看详情

如何用detr（detectiontransformer）训练自己的数据集(代码片段)

...据集获取1、labelme打好json文件后转换为coco格式数据集2、roboflow标注后直接生成coco格式数据集（需要连外网，需要的联系我可以免费给你提供好用的外网扩展程序）。roboflow网址：https://app.roboflow.com/然后介绍如何... 查看详情

yolov8从pytorch到caffe训练模型并转换到caffemodel(代码片段)

Yolov8从pytorch到caffe（三）训练模型并转换到caffemodel1.训练前数据准备工作2.训练行人摔倒模型pth3.转换模型pth到onnx4.onnx转caffemodel从官方文档可以看到，yolov8的训练可以采用命令行的方式进行，非常方便yolotask=detectmode=trainmodel=yolov... 查看详情

yolov8最强操作教程.(代码片段)

YoloV8详细训练教程.相信各位都知道yolov8发布了，也是U神大作，而且V8还会出论文喔！2023.1.17更新yolov8-grad-cam热力图可视化链接2023.1.20更新YOLOV8改进-添加EIoU,SIoU,AlphaIoU,FocalEIoU链接2023.1.30更新如果你需要修改或者改进yol... 查看详情

yolov8从0开始搭建部署yolov8，环境安装+推理+自定义数据集搭建与训练，一小时掌握(代码片段)

...细视频教程bilibili详细视频教程一、（ultralytic）YOLOV8项目部署github链接：https://github.com/ultralytics/ultralyticsgit拉取项目：gitclonehttps://github.com/ultralytics/ultralytics.git二、cuda、cudnn、Pytorch等环境安装与卸载首先查看pytorc... 查看详情

关于yolov8一些训练的情况

U神出品了最新的yolov8，从公开的参数量来看确实很优秀！！！！比如下图得一些指标：可以看到s模型640得map已经达到了44.9，v8n得map也已经达到了37.3，很强了，但是实际上是怎么样呢，我使... 查看详情

yolov8从环境搭建到推理训练

...0.14.1，其他的依赖库按照requirements.txt文件安装即可。YOLOv8创新点：🍺🍺🍺1😃Backbone。使用的依旧是CSP的思想，不过YOLOv5中的C3模块被替换成了C2f模块，实现了进一步的轻量化，同时YOLOv8依旧... 查看详情

[深度学习][原创]yolov8常用的终端命令

...a;检测图片：yolotask=detectmode=predictmodel=weights/yolov8n.ptsource=/home/test/images/1.jpgsave=true检测文件夹：yolotask=detectmode=predictmodel=weights/yolov8n.ptsource=/home/test/images save=true检测视频：yolotask=detect... 查看详情

yoloyolov8实操：环境配置/自定义数据集准备/模型训练/预测(代码片段)

YOLOv8实操：环境配置/自定义数据集准备/模型训练/预测引言1环境配置2数据集准备3模型训练4模型预测引言源码链接：https://github.com/ultralytics/ultralyticsyolov8和yolov5是同一作者，相比yolov5，yolov8的集成性更好了，... 查看详情

yolov8ultralytics：最先进的yolo模型——简介+实战教程(代码片段)

YOLOv8Ultralytics：最先进的YOLO模型什么是YOLOv8？YOLOv8是来自Ultralytics的最新的基于YOLO的对象检测模型系列，提供最先进的性能。利用以前的YOLO版本，YOLOv8模型更快、更准确，同时为训练模型提供统一框架，... 查看详情

yolov8详解与实战(代码片段)

...集（适用V4，V5，V6，V7，V8）配置yolov8环境训练测试训练自定义数据集Labelme数据集摘要YOLOv8是ultralytics公司在2023年1月10号开源的YOLOv5的下一个重大更新版本，目前支持图像分类、物体检测和实例分割任... 查看详情

[课程][原创]yolov7训练自己数据集实例分割模型

...建自己cuda环境学会如何搭建自己yolov7环境学会如何使用roboflow或者labelme标注自己实例分割数据集学会如何训练和测试自己实例分割模型适用人群yolov7入门者和初学者课程介绍本课程 查看详情

怎么用遗传算法工具箱调用神经网络来寻求最优解啊

我先训练好一个函数，现在我要用遗传算法工具箱调用这个网络来找到最优解，可是那个目标函数怎么弄啊？我@我之前训练的网络，可是运行不起来啊？求大神帮助把你之前训练好的网络设置成一个全局变量ann，然后建立一个... 查看详情