數據集準備

數據集配置文件

其實語義分割和目標檢測類似，包括數據集制備、存放格式基本一致像這樣放好即可。

然后需要編寫一個data.yaml文件，對應的是數據的配置文件。

train: C:\圖標\dan\語義分割pig\dataset\train\images #絕對路徑即可
val: C:\圖標\dan\語義分割pig\dataset\valid\images
test: C:\圖標\dan\語義分割pig\dataset\test\imagesnc: 1
names: ['pig']# roboflow:
#   workspace: testecontagem
#   project: teste-uggpc
#   version: 4
#   license: CC BY 4.0
#   url: https://universe.roboflow.com/testecontagem/teste-uggpc/dataset/4

train.py

然后我們編寫訓練代碼train.py
作者這里沒有參照官方，因為都是兼容的，OK下面給出代碼:

from ultralytics import YOLO
import torch# 加載模型
model = YOLO('./yolov8m-seg.yaml').load('./yolov8m-seg.pt')  # 從YAML構建并轉移權重if __name__ == '__main__':torch.cuda.empty_cache()# 訓練模型results = model.train(data='./data.yaml', epochs=150, imgsz=256,batch = 32)metrics = model.val()

至于環境配置這里不再過多講解。。。

訓練過程

運行train.py即可開始訓練，這里需要準備模型配置文件和預訓練權重，當然這里已經配置完成，存放在本地目錄。

訓練結果

出現如下結果即可訓練，訓練結果保存在runs下面，

這是訓練完的截圖，里面對應的文件與目標檢測類似。

OK，至此模型訓練完畢。

數據集鏈接：

語義分割數據集-pig-seg資源-CSDN文庫https://download.csdn.net/download/2202_75851137/91084153