1. labelme 进行数据标注
image.png
2. lableme格式的文件转为yolo格式
labelme2yolo --json_dir ./
3. lableme格式的文件转为yolo格式
from ultralytics import YOLO
# 创建 YOLO11 模型对象
model = YOLO('yolo11m.pt') # 选择适合的模型配置文件，也可以是 yolov8n.yaml, yolov8s.yaml 等
# 开始训练
model.train(
data='/home/wangsb/YOLODataset/dataset.yaml', # 数据集配置文件路径
epochs=300, # 训练轮数
imgsz=1024, # 输入图片尺寸
batch=1, # 批处理大小
augment=True, # 启用数据增强
mosaic=True, # 启用mosaic数据增强
mixup=True, # 启用mixup数据增强
device=0 # 使用的设备，0 表示第一个 GPU，'cpu' 表示使用 CPU
)
4. 模型训练结果
模型会自动保存到runs/detect/文件夹下
'metrics/precision(B)': 0.8818713467269796, 'metrics/recall(B)': 0.9286173978856906, 'metrics/mAP50(B)': 0.9553736387415699, 'metrics/mAP50-95(B)': 0.5576896142376258, 'fitness': 0.5974580166880202
image.png
