基于SeaShips数据集的yolov8训练教程

之前已经试过在yolov3和faster-rcnn上训练SeaShips数据集，本次在yolov8上进行训练。

yolov8的训练有两种方式，一种是在mmdetection框架下下载mmyolo运行，另一种是直接采用ultralytics。本文两种方法都会介绍。

---

目录

一、mmyolo

1.1 创建环境

1.2 数据集准备

1.3 运行yolov8

二、ultralytics

2.1 下载ultralytics

2.2 数据集准备

2.3 运行yolov8

三、运行结果

---

一、mmyolo

官网链接：GitHub - open-mmlab/mmyolo: OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc.

mmyolo支持yolo许多系列的算法：

1.1 创建环境

conda create -n mmyolo python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y
conda activate mmyolo
pip install openmim
mim install "mmengine>=0.6.0"
mim install "mmcv>=2.0.0rc4,<2.1.0"
mim install "mmdet>=3.0.0,<4.0.0"
git clone https://github.com/open-mmlab/mmyolo.git
cd mmyolo
# Install albumentations
pip install -r requirements/albu.txt
# Install MMYOLO
mim install -v -e .

按照上述步骤安装好mmyolo并创建属于自己的虚拟环境。

创建环境出错的可以看看我的这篇文章：基于kitti数据集的3D目标检测算法的训练流程_kitti 3d目标检测-优快云博客

里面详细的讲解了环境的配置等操作。

mmyolo装好之后应该会有这样的文件夹：

1.2 数据集准备

我们的SeaShips数据集格式是这样的：

Annotations里面是所有图像的标注文件（.xml），ImageSets是测试、训练和验证数据集划分文件（txt），JPEGImages里是所有的图像文件。

我们需要将数据集转换成yolov8允许的格式：