Создание новой модели YOLOv8

Создание и подготовка датасета в Roboflow

1. Загрузка изображений: Сначала загрузите ваш архив с подготовленными фотографиями на платформу Roboflow.

2. Создание нового проекта: Перейдите на Roboflow и создайте новый проект, выбрав тип 'Object Detection'.

3. Добавление изображений в проект: Загрузите ваши изображения в созданный проект.

Аннотация изображений: Определите классы и обозначьте объекты на изображениях, используя инструменты аннотации (например, Polygon). Сохраните аннотации.

Настройка параметров датасета: Не изменяя предложенные параметры, перейдите к следующему шагу.

Генерация датасета: Выберите необходимые фильтры и параметры для генерации датасета. Экспортируйте его в формате YOLOv8.

Обучение модели YOLOv8 с помощью Ultralytics Hub

Загрузка датасета: После генерации датасета в Roboflow, загрузите полученный файл в формате .zip на платформу Ultralytics Hub.

Настройка проекта: Создайте новый проект в Ultralytics Hub, присвоив ему имя и выбрав тип модели YOLOv8.

Запуск обучения: Используйте возможности Ultralytics Hub для запуска тренировки вашей модели на основе загруженного датасета. Выберите необходимые параметры и начните процесс обучения.

Экспорт и использование обученной модели

Скачивание модели: По завершении тренировки скачайте обученную модель.

Установка необходимых библиотек: Установите библиотеку ultralytics с помощью команды pip install ultralytics для работы с моделью на вашем ПК.

Интеграция и использование модели: Используйте обученную модель для распознавания объектов в новых изображениях или видео.

from ultralytics import YOLO

# Загрузить модель
model = YOLO('yolov8n.pt')  # предобученная модель YOLOv8n, указать название вашей модели

# Выполнить пакетное распознавание для списка изображений
results = model(['im1.jpg', 'im2.jpg'])  # возвращает список объектов Results

# Обработка списка результатов
for result in results:
    boxes = result.boxes  # объект Boxes для вывода ограничивающих рамок
    masks = result.masks  # объект Masks для вывода масок сегментации
    keypoints = result.keypoints  # объект Keypoints для вывода ключевых точек
    probs = result.probs  # объект Probs для вывода результатов классификации
    obb = result.obb  # объект Oriented boxes для вывода ориентированных рамок
    result.show()  # показать на экране
    result.save(filename='result.jpg')  # сохранить на диск изображение с результатом обработки

Больше примеров кода и более подробную информацию можно найти в документации Ultralytics.