yolov10训练自己的数据集

最新推荐文章于 2025-04-02 10:23:13 发布

路漫漫而学

最新推荐文章于 2025-04-02 10:23:13 发布

阅读量676

点赞数 5

文章标签： YOLO 计算机视觉深度学习神经网络

本文链接：https://blog.youkuaiyun.com/weixin_43889994/article/details/141055993

版权

前言

记录使用YoloV10训练自己制作的数据集

一、下载YOLOV10源码

https://github.com/THU-MIG/yolov10
我们可以从上述网站下载对应的源码。
在这里插入图片描述

二、制作数据集

1.数据标注

数据集的是制作与前面的yolov5和yolov8相同，这里不再赘述。制作完成的数据集应该包括数据图像和数据图像的标签（images and labels）

2.建立文件

在刚下载的源码目录下，新建一个data目录，该目录下放入标注好的训练文件和测试文件，我的目录结构如下图。

在这里插入图片描述
其中，每个文件下，都包含了images和labels。images下存放是图像，labels下是对应的标注标签。

3.制作yaml文件

在源码ultralytics/cfg/datasets/，目录下新建一个yaml文件。

在这里插入图片描述

在新建的yaml文件中输入自己数据集的路径：

里面的names：是自己标注的要识别目标的名称，我这里是标注了一种，所以只写一种。

3.修改预训练yaml文件

YOLOV10提供了N,S,M,B,L,X几种预训练模型供大家选择，作者使用的是N模型，因此在训练时需要先把对应的yolov10.pt文件下载下来。下载路径如下：
https://github.com/THU-MIG/yolov10/releases
在这里插入图片描述

下载对应的pt文件后，需要在ultralytics/cfg/models/v10目录下找到对应的yaml文件。作者使用的是yolov10n.pt文件，因此找到yolov10.yaml文件，修改其中的nc，改成自己的检测目标的数量即可。
在这里插入图片描述

三、训练

作者使用的py文件训练。在源码目录下新建一个m_train.py文件。在其中输入以下代码。
在这里插入图片描述

from ultralytics import YOLOv10

model = YOLOv10()
# If you want to finetune the model with pretrained weights, you could load the
# pretrained weights like below
# model = YOLOv10.from_pretrained('jameslahm/yolov10{n/s/m/b/l/x}')
# or
# wget https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10{n/s/m/b/l/x}.pt
# model = YOLOv10('yolov10{n/s/m/b/l/x}.pt')
model_yaml_path="ultralytics/cfg/models/v10/yolov10n.yaml"
data_yaml_path="ultralytics/cfg/datasets/myData.yaml"
pre_model_name='yolov10n.pt'
if __name__=='__main__':
    model=YOLOv10(model_yaml_path).load(pre_model_name)
    results=model.train(data=data_yaml_path,
                        epochs=500,
                        batch=8,
                        imgsz=640,
                        device=0,
                        name='train_v10')

打开pycharm终端，新建一个虚拟环境。安装对应的需求。
conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .
安装完成之后。运行python m_train.py
即可开始训练。
在这里插入图片描述