YOLOV8目标检测

1、配置好yolov8的虚拟环境
2.数据集的构造，构造方法和yolov5一样，先创建images文件夹，然后images存放需要标注的图像，然后使用labelimg对images所有图像进行标注，保存的结果存放到创建的labels文件夹中。按一定比例将images和labels划分成训练集，验证集，测试集。
3.打开ultralytics-main\ultralytics\cfg\datasets\coco128-seg.yaml文件，对里面的路径标签换为自己的，如下图所示：

4.在ultralytics-main/文件夹下创建train.py,将权重和yaml换成自己的，训练次数根据自己需求修改。

from ultralytics import YOLO

# Load a model
# model = YOLO("yolov8n.yaml")  # build a new model from scratch
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

# Use the model
model.train(data="ultralytics/cfg/datasets/coco_xj.yaml", epochs=300)  # train the model
metrics = model.val()  # evaluate model performance on the validation set