YOLOv8 | 训练自定义数据集

---

若尚未部署 YOLOv8，则可参考这篇博客：

• YOLOv8 | Windows 系统下从零开始搭建 YOLOv8 项目环境

1 处理数据集

1.1 数据集格式介绍

由于不同数据集的目录结构可能不同，因此在这里对本文所使用的示例数据集进行说明。

如上图所示，示例数据集的目录结构为：

• 存放图片的目录：China_Drone/train/images
• 存放标签的目录：China_Drone/train/annotations/xmls

图片文件为 .png 文件，而标签文件为采用 pascalVOC 格式的 .xml 文件：

注意：由于在划分数据集的代码中需要填写各种路径，因此在这里了解数据集的目录结构是很有必要的。

1.2 划分数据集

在 China_Drone/train 目录中新建 split_dataset.py 文件，用于编写划分数据集的代码：

写入如下代码，用于将原始数据集划分为训练集、验证集、测试集：

import os
import random
import shutil

# 定义目录
# 采用的是相对目录
root_dir = '.'  # 原始数据集目录
image_dir = 'images'  # 原始数据集目录下的图片目录
label_dir = 'annotations/xmls'  # 原始数据集目录下的标签目录

# 划分比例
# 训练集 : 验证集 : 测试集 = 8 : 1 : 1
train_ratio = 0.8
valid_ratio = 0.1
test_ratio = 0.1

# 设置随机种子
random.seed(42)

# 创建各种目录（用于存放拆分后的数据集）
split_dir = './road'  # 拆分后数据集目录
os.makedirs(os.path.join(split_dir, 'train/images'), exist_ok=True)
os.makedirs(os.path.join(split_dir, 'train/labels'), exist_ok=True)
os.makedirs(os.path.join(split_dir, 'valid/images'), exist_ok=