YoloV8的目标模型训练方法
使用YoloV8提供的Python接口，训练一个佩戴安全帽的目标检测模型，完成模型训练后，使用模型检测图片或视频中的人员是否佩戴安全帽。
准备训练数据
下载
训练数据可以从https://www.kaggle.com/ 上面下载，搜索worker safety，一定要下载yoloV8格式的数据集，如果是其它格式还需转成yoloV8格式（如PASCAL VOC 格式）。
下载后解压，打开css-data文件夹，如
- test 文件中包含了82个测试数据
- train 文件中包含了2605个训练数据，每张图片中有多个可标记的物体，实际有2万多个标记结果
- valid 文件中包含了114个验证数据
打开训练数据文件夹train，里面包含文件夹images和labels，images保存的是待训练的图片数据，labels保存了图片数据的标记结果，标记的格式为yolo格式，同一个数据的数据名和标记名是相同的，及每一个images下的图片文件对应一个lables下的标记结果文件
数据格式
随便打开一个数据图片和对应标记数据，如 train/images/2_jpg.rf.2eba3dc769a0689dda8f6eb3fdbd297e.jpg和train/lables/2_jpg.rf.2eba3dc769a0689dda8f6eb3fdbd297e.txt，如
在标记数据中，每一行代表一个标记物体，在该图片标记数据中一共有19行标记数据，就代表对该图片会标记出19个目标物体。
每一行的数据格式如下，如第17行数据 0 0.7654552657144856 0.63203125 0.03461134933607006 0.040625
| 列号 | 名称 | 说明 |
|---|---|---|
| 1 | class_id | 代表类别编号 |
| 2 | x_center | 物体边界框中心点X坐标（值在0-1之间） |
| 3 | y_center | 物体边界框中心点Y坐标（值在0-1之间） |
| 4 | width | 物体边界框的宽度（值在0-1之间） |
| 5 | height | 物体边界框的高度（值在0-1之间） |
标记数据中的第一列0，就代表是安全帽，指的就是图片数据中红框标注的，物体边界框中心点的坐标是相对于图像宽度和高度的比例，边界框的宽度和高度也是相对于图像宽度和高度的比例。YOLO标注格式中的x, y, w, h是归一化后的坐标值（取值范围0~1）如：
图像原始尺寸：宽度：image_width 高度：image_height （单位：像素）
目标框的像素坐标：左上角（x1, y1）,右下角（x2，y2）
像素级中心点坐标：
center_x_pixel = （x1 + x2）/ 2
center_y_pixel = （y1 + y2）/ 2
目标框像素级宽高：
box_w_pixel = x2 - x1
box_h_pixel = y2 - y1
归一化后坐标（除以图片尺寸，转成0~1的比例）：
白色安全帽边界框中心点的X坐标 = center_x_pixel / image_width
白色安全帽边界框中心点的Y坐标 = center_y_pixel / image_height
物体边界框的宽度 = box_w_pixel / image_width
物体边界框的高度 = box_h_pixel / image_height
搭建环境
创建Python环境
使用conda create 创建一个名称为safehat的新python环境，其中python版本使用3.10
conda create -n safehat python=3.10
激活Python环境
安装完成后激活环境
activate safehat
安装Yolo
安装YOLOv8环境，安装用时较长，请耐心等待
YOLOv8 是 Ultralytics 开发的 YOLO（You Only Look Once）物体检测和图像分割模型的最新版本。YOLOv8是一种尖端的、最先进的SOTA模型，它建立在先前YOLO成功基础上，并引入了新功能和改进，以进一步提升性能和灵活性。它可以在大型数据集上进行训练，并且能够在各种硬件平台上运行，从CPU到GPU。 不仅如此，YOLOv8还有一个关键特性是它的可扩展性，由于其被设计成一个框架，支持所有以前YOLO的版本，使得在不同版本之间切换和比较它们的性能变得容易。
pip install ultralytics
配置
编写模型训练所需的yaml配置文件，名称为safehat.yaml，用于配置待训练数据的地址和训练的类别等。
# 训练数据用于模型的训练
train: D:\workspace\python\yolo\safehat\data\train\images\
# 验证数据用于模型训练过程中的评估和参数调试
val: D:\workspace\python\yolo\safehat\data\valid\images\
# 测试数据用于模型完成训练后的测试
test: D:\workspace\python\yolo\safehat\data\test\images\
# 训练类别个数,类别的名称在下面names中配置
nc: 10
# 训练类别名称
# Hardhat 安全帽
# NO-Hardhat 无安全帽
# Mask 口罩
# NO-Mask 无口罩
# NO-Safety Vest 无安全背心
# Safety Vest 安全背心
# Person 人
# Safety Cone 安全锥
# machinery 挖掘机
# vehicle 车辆
names: [Hardhat, Mask, NO-Hardhat, NO-Mask, NO-Safety Vest, Person, Safety Cone, Safety Vest, machinery, vehicle]
模型训练
训练脚本
编写模型的训练脚本 train.py，如
# 导入yolo模块
from ultralytics import YOLO
# 加载yolov8的预训练模型，该模型是yolov8使用了coco数据集训练的通用目标检测模型
model = YOLO('./models/yolov8n.pt')
# 在yolov8n.pt模型基础上训练自定义模型, safehat.yaml数据配置文件，epochs=100表示100轮迭代
model.train(data='safehat.yaml', epochs=100)
# 使用验证集验证模型效果
model.val()
- YOLOv8n（Nano）：是 YOLOv8 系列中尺寸最小、参数最少的模型。它的计算量小，推理速度快，适合部署在资源有限的设备上，如嵌入式系统、移动设备等，用于实时目标检测任务，不过检测精度通常相对较低，在简单场景下能提供合理性能。
- YOLOv8s（Small）：模型尺寸和参数数量相对较小。检测精度比 YOLOv8n 稍好，能满足一般目标检测任务的需求，适用于实时视频监控、车辆检测等对精度有一定要求，但计算资源相对有限的场景。
- YOLOv8m（Medium）：属于中型模型，参数和计算量处于中等水平。能提供良好的精度和速度平衡，适用于中等复杂度的场景，如城市交通监控、工业检测等，在这些场景中既需要一定的检测精度，也要求模型有较快的推理速度。
- YOLOv8l（Large）：模型尺寸较大，参数数量较多，计算量也较大。通常能提 供较高的检测精度，但推理速度相对较慢，适用于对检测精度要求较高的任务，如复杂场景的目标检测、大规模图像分析等。
- YOLOv8x（Extra Large）：是 YOLOv8 系列中尺寸最大、参数最多、计算量最高的模型。在大多数情况下能提供最佳的检测性能，但对计算资源的要求非常高，适合用于对精度要求极高的任务，如医学影像分析、精密工业检测等。
| 模型 | 参数量 (M) | 计算量 (FLOPs) | 精度 (COCO mAP) | 速度 (FPS) | 适用场景 | 优势 | 劣势 |
|---|---|---|---|---|---|---|---|
| YOLOv8n | ~3.2 | ~8.7G | ~37.3 | 最高 | 移动端/嵌入式，实时检测 | 极快，低资源消耗 | 精度较低，小目标检测差 |
| YOLOv8s | ~11.2 | ~28.6G | ~44.9 | 高 | 边缘计算（如Jetson系列） | 速度与精度平衡 | 中等资源需求 |
| YOLOv8m | ~25.9 | ~78.7G | ~50.2 | 中 | 通用场景（中端GPU） | 精度显著提升 | 需要 更强GPU |
| YOLOv8l | ~43.7 | ~165.4G | ~52.9 | 中低 | 高性能服务器/复杂场景 | 高精度，适合多目标检测 | 计算成本高 |
| YOLOv8x | ~68.2 | ~257.1G | ~53.9 | 最低 | 专业级检测（如卫星/医疗） | 最高精度，复杂场景鲁棒性 | 需高端GPU，推理延迟高 |
训练GPU最低配置建议
-
YOLOv8n/s：
- 最低配置：NVIDIA GTX 1660（6GB显存）或 RTX 3050（8GB显存）。
- 批处理大小（Batch Size）：8-16（需降低分辨率或批处理以适应显存）。
-
YOLOv8m：
- 最低配置：RTX 3060（12GB显存）或 Tesla T4（16GB显存）。
- 批处理大小：4-8（输入分辨率较高时需进一步调整）。
-
YOLOv8l/x：
- 最低配置：RTX 3080（10GB）或 A100（40GB）级显卡。
- 批处理大小：1-4（可能需要梯度累积或混合精度训练）。
- 显存不足时可通过降低
--imgsz（如640→320）或--batch-size缓解，但可能影响精度。 - 使用AMP（自动混合精度）可减少显存占用（添加
--amp参数）。
每个预训练模型还可以细分为检测模型、分割模型和分类模型，以YoloV8n（检测模型）为例，YoloV8n-seg（分割模型），YoloV8n-cls（分类模型）
| 任务类型 | 输出 | 示例 |
|---|---|---|
| 分类模型 | 类别 + 置信度 | 判断图像是否包含“狗” |
| 目标检测模型 | 位置 + 类别 + 置信度 | 定位并识别图中的“狗”和“猫” |
| 实例分割模型 | 位置 + 类别 + 置信度 + 轮廓掩膜（mask） | 定位“狗”并精确勾勒其轮廓 |
目标检测 模型效果
实例分割模型效果
开始训练
运行训练脚本
python train.py
通过输出信息可以看环境信息，如：
- yolo版本 ultralytics YOLOv8.1.3
- python版本 Python-3.11.5
- cpu 环境
训练需要持续一段时间，每个Epoch大概需要3-10分钟，整个训练预计需要10-20个小时
图中训练记录指标解释
- Epoch：表示当前是第几个完整的训练周期。1 个 Epoch 意味着模型把整个训练数据集的所有图片都学习了一遍，随着 Epoch 增加，模型会不断优化参数。
- GPU_mem：GPU 显存占用，当前训练批次（Batch）占用的 GPU 显存大小。作用是监控显存占用，防止超出显卡容量导致训练崩溃。
- box_loss：边界框损失，衡量模型预测的目标边界框（Bounding Box）与真实标注框之间的位置差异，数值越小越好（表示预测框越准），box_loss的作用是优化目标的 “定位” 能力，让框住物体的位置更精准。
- cls_loss：分类损失，衡量模型对目标类别的预测准确性（比如判断是 “猫” 还是 “狗”），数值越小越好（表示分类越准），作用是优化目标的 “识别” 能力，让模型分清不同类别的物体。
- dfl_loss：分布焦点损失，YOLOv8/11 等版本中特有的损失函数，用于更精细地优化边界框坐标预测（通过预测坐标的分布而非单一值），数值越小越好，作用是辅助提升边界框的定位精度，尤其对小目标或边缘模糊的目标效果更好。
- Instances：目标实例数，当前训练批次（Batch）的图片中包含的目标物体总数量。
3表示这一步处理的图片里一共有 3 个标注的目标，反映当前批次的数据密度，辅助判断训练进度是否正常。 - Size：输入图像的尺寸，模型实际接收的输入图像的长边尺寸（如果开启了
rect=True，会保持原始宽高比，只将长边缩放到指定大小），尺寸越大，通常检测精度越高，但计算量和显存占用也越大。显存不足时也降低输入图像的尺寸大小。
训练完 1 个 Epoch 后，会在验证集上评估，关键指标：
- Box(P)：精确率（Precision），预测的目标中 “真阳性” 的比例（越高越好）。
- R：召回率（Recall），真实目标中被成功检测到的比例（越高越好）。
- mAP50：IoU 阈值为 0.5 时的平均精度。
- mAP50-95：IoU 阈值从 0.5 到 0.95 的平均精度（更严格的综合指标）。
完成训练后会在当前目录/runs/detect/train下生成训练过程中的数据和模型文件，其中weights文件夹中保存是生成的模型文件best.pt和last.pt，如图
模型测试
使用训练好的模型文件 bast.pt 进行模型测试，编写测试代码 test.py
# 导入yolo模块
from ultralytics import YOLO
# 导入训练好的模型文件
model = YOLO('./models/best.pt')
# 使用测试图片或视频文件测试模型
model.predict('test.jpg', save=True)
model.predict('test.mp4', save=True)
# 测试时可以指定需要识别的类别，如指定classes=[0,2]就代表只识别Hardhat和NO-Hardhat,及是否佩戴了安全帽
# 类别编号及名称可参考 safehat.yaml 配置文件
# line_width 表示指定识别框的字体大小
model.predict('test.jpg', save=True, classes = [0, 2], line_width = 3)
运行模型测试脚本
python test.py
脚本运行后可以看到模型识别的过程输出，视频会逐桢输出，识别结果会保存到当前目录/runs/detect/predict中。打开目录可以看到输出的结果，如图
其它
预训练模型支持识别类型：
