Roboflow公开数据集

Roboflow是一个提供计算机视觉数据集管理和处理工具的平台。虽然Roboflow本身并不创建或策划公开数据集，但它提供了一系列功能，帮助用户组织、预处理、增强和导出计算机视觉数据集。

官方网站：https://universe.roboflow.com/

然而，有几个常用的公开数据集可供计算机视觉使用，可以在Roboflow或其他计算机视觉平台上访问和使用这些数据集。以下是一些常用的计算机视觉公开数据集：

1. COCO（Common Objects in Context）：COCO是一个大规模数据集，其中包含带有对象注释的图像，可用于对象检测、分割和字幕生成等任务。

2. ImageNet：ImageNet是一个包含数百万标记图像的数据集，涵盖了数千个类别。它被广泛用于图像分类和深度学习研究。

3. Open Images：Open Images是一个包含数百万图像及其对象检测、分割和视觉关系注释的数据集。

4. Pascal VOC：Pascal VOC数据集是一个包含图像及其对象检测、分割和分类注释的集合。它常用于计算机视觉算法的基准测试。

5. Cityscapes：Cityscapes是一个专注于城市场景的数据集，包含高质量图像以及像素级别的语义分割和实例分割注释。

6. LFW（Labeled Faces in the Wild）：LFW是一个包含从网络收集的人脸图像的数据集。它常用于人脸识别任务。

部署安装YOLOv8环境

Github官方网址：https://github.com/ultralytics/ultralytics

安装和部署YOLOv8：http://t.csdnimg.cn/iGwXY

下载Roboflow公开数据集

打开官方网站：https://universe.roboflow.com/

 选择自己需要的数据集：

点击左旁工具栏的Dataset:

 由于我们需要的是在YOLOv8下训练的数据集，故点击YOLOv8

 

 在窗口中选择download zip to computer（下载压缩包至电脑）

即可下载完成

训练数据集

打开pycharm，在安装好的YOLOv8项目下新建datasets文件夹

 将下载好的Roboflow公开数据集（我下载的animals数据集）解压到datasets文件夹中，目录格式如下：

 注：coco128是另外一个数据集。

此时打开animals数据集文件夹中的data.yaml文件：

train: ../train/images
val: ../valid/images
test: ../test/imagesnc: 10
names: ['cat', 'chicken', 'cow', 'dog', 'fox', 'goat', 'horse', 'person', 'racoon', 'skunk']roboflow:workspace: roboflow-100project: animals-ij5d2version: 2license: CC BY 4.0url: https://universe.roboflow.com/roboflow-100/animals-ij5d2/dataset/2

此数据集共分为10类，训练、测试的地址都有给出。

在确保文件目录格式正确，存在yaml文件之后，打开pycharm终端控制器：

一定要进入所建的YOLOv8环境中。

模型训练在终端运行：

yolo detect train data=datasets/animals/data.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 batch=4 lr0=0.01 resume=True

注意：data=后要填写数据集文件夹中的yaml文件的绝对地址，相对地址可能会报错。

当然在训练的代码中会有许多参数，以上所填的是常用的训练参数，完整的训练参数如下：

 

 

 

 可参考YOLOv8文档：https://docs.ultralytics.com/modes/train/

 按回车即可开始训练数据集，系统将自动将训练好的模型保存至runs/detect/train文件夹下：

 其中weights文件中为，最后一次训练的模型last.pt以及效果最好的一次模型best.pt

以及数据集的标签图等：

 验证数据集

 在终端命令行输入：

yolo detect val data=E:\python_project\ultralytics-main\datasets\animals\data.yaml model=runs/detect/train/weights/best.pt batch=4

产生输出：

 其验证结果将保存至runs\detect\val文件夹下：

 可以看出训练的模型产生了较好的预测结果。

模型导出

使用下面的命令就可以导出模型：

yolo task=detect mode=export model=ultralytics/yolo/v8/detect/runs/detect/train/weights/best.pt 

参考

2023最新-用yolov8训练自己的数据集

http://t.csdnimg.cn/q6Gbb

YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型

http://t.csdnimg.cn/H5et2