YOLOv8 实现目标检测_yolov8中nn文件夹是啥

本文用于学习记录

---

前言

YOLOv8 实现目标检测

---

一、服务器上运行 YOLOv8

1.1 项目克隆

git clone https://github.com/ultralytics/ultralytics.git
1

1.2 启动 conda 环境，进入项目

• 环境配置参考 Xshell、Xftp & anaconda 服务器环境配置

conda activate pytorch
1

• ultralytics 文件夹
  • assets：存放测试图片；
  • datasets：存放一些超参数的配置文件以及配置训练集和验证集路径；
  • coco.yaml 文件，创建自己的数据集时，需修改其中的 yaml 文件；
  • hub：pytorch 扩展模型；
  • models：存放不同模型的 yaml 文件，包括 v3、v5 、v6和 v8；
  • nn：存放 yolov8 整体网络模型搭建的 py 文件；
  • tracker：存放 yolov8 目标跟踪的 py 文件；
  • yolo：存放 yolov8 模型预测、训练、导出的 py 文件；
    • cfg：存放 yolov8 的配置文件，包括训练时的参数指定如 epoch、batch 等以及超参数设置，所有的相关配置都可通过 default.yaml 这个文件设置；
    • data：存放数据加载的 py 文件；
    • engine：存放模型导出的 py 文件；
    • utils：存放工具类函数，包括 loss、metrics、plots 函数等；
    • v8：存放 yolov8 分类、检测、分割等不同任务的预测、训练以及验证的 py 文件；

1.3 运行 python predict.py

• 运行过程中会自动下载权重 yolov8n.pt，但速度很慢
• 因此选择官网下载，上传到 ultralytics-main/ultralytics/yolo/v8/detect 文件夹下
  
  
• 重新运行
  
  
• 也可直接运行以下命令

# yolo task=detect mode=predict model='模型文件' source='图片目录'

yolo task=detect mode=predict model=yolov8n.pt source="/home/yjy/YJY/ultralytics/ultralytics/assets"
1
2
3

1.4 运行 python train.py

二、本地运行 YOLOv8

2.1 YOLOv8 项目下载

• 下载源码，并保存至本地，将本地的 yolov8 项目解压至 Pycharm 特定的 Project 项目中并导入，进入 File 下的 Settings 进行 python 解释器设置
  

2.2 添加 Python interpreter

• 选择 Settings 中的 Project ultralytics-main 下的 Python interpreter，
  

2.3 运行 detect.py

• 运行之前下载权重 yolov8n.pt，官网下载并上传到 ultralytics-main/ultralytics/yolo/v8/detect 文件夹下，运行结果保存到 runs\detect\train3 中
  
  
• 也可新建 predict_test.py

import numpy as np

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # 权重

results = model("ultralytics/assets")  # 预测的图片或文件夹
1
2
3
4
5
6
7

2.4 检测摄像头

• 开启摄像头检测，将代码改成 source=‘0’，便可开启自带摄像头
• 将代码改成 source=‘1’，便可开启 USB 摄像头，进行动态的实时检测

def predict(cfg=DEFAULT_CFG, use_python=False):
    """Runs YOLO model inference on input image(s)."""
    model = cfg.model or 'yolov8n.pt'
    # source = cfg.source if cfg.source is not None else ROOT / 'assets' if (ROOT / 'assets').exists() \
    #     else 'https://ultralytics.com/images/bus.jpg'
    # args = dict(model=model, source=source)

    args = dict(model=model, source='0')
    # args = dict(model=model, source='1')
    if use_python:
        from ultralytics import YOLO
        YOLO(model)(**args)
    else:
        predictor = DetectionPredictor(overrides=args)
        predictor.predict_cli()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

2.5 连接手机摄像头

args = dict(model=model, source='http://admin:admin@172.16.20.120:8081')
1

需确保手机和电脑在同一局域网下（即连接的是同一个 WIFI）

• 下载 IP 摄像头 Lite
  
• 点击打开 IP 摄像头 Lite
  
• 点击打开 IP 摄像头服务器
  

2.6 运行 python train.py

2.7 default.yaml 参数修改

三、自制数据集训练模型

3.1 数据集图片和标签

• 新建文件夹 cat，在该文件夹下新建 images、labels 两个文件夹
• 分别在这里两个文件夹下新建 train 文件夹
  

3.2 yaml 文件修改

• 新建 cat.yaml ，并对其内容进行修改；
  

3.3 修改并运行 train.py

---

总结

以上就是 yolov8 的环境配置、运行与训练过程及其中可能出现的问题与解决办法。
1