YOLOv8模型数据的标注与训练

模型训练使用的标注工具：makeSense，它是一个在线标注工具，详细使用方法如下

第一步：打开在线标注工具
打开浏览器进这个网站：https://www.makesense.ai/

第二步：上传需要标注的图片
点击Get Started
点击Drop images here or click to select them
选择所有需要标注的图片（一次性全选上传）

第三步：选择需要标注的目标图片
选择 Object Detection

第四步：创建你的标签（关键）
点击 Create labels左侧的小加号（+），输入需要标注的标签的名字：

ebike
chair
sofa
box
other
输完点 Submit，你会得到如下标签：
ebike 电动车
chair 椅子
sofa 沙发
box 箱子、纸箱
other 其他杂物

第五步：开始标注
选择start project后，开始进行标注
对每张图片做这三步：
鼠标在杂物左上角按住 → 拖到右下角，画一个框把杂物包起来
右边弹出类别，选择对应标签，一张图有几个杂物就画几个框

第六步：导出 YOLO 标签（最重要）
全部标完后：
点右上角 Actions，选择 Export annotations，格式选择YOLO，点击 Export，会下载一个压缩包
解压后你会得到一堆“.txt 文件”，这就是标签。

第七步：把标签放对文件夹
目录结构必须是这样：
fire_data/
├── images/
│ ├── train/ 放你 80% 的图片
│ └── val/ 放你 20% 的图片
└── labels/
├── train/ 放80%对应测试图的 .txt（名字与对应的图片同名）
└── val/ 放20%对应测试图的 .txt（名字与对应的图片同名）
经过上面的七步操作，数据标注的任务就完成了，接下来进行自动训练。

第八步：创建 fire.yaml（直接复制我的）
path: fire_dataset
train: images/train
val: images/val

nc: 6
names:
0: ebike
1: chair
2: box
3: obstacle
4: person
5: car

第九步：运行训练命令（生成 best.pt）
yolo detect train data=fire_dataset/fire.yaml model=yolov8m.pt epochs=50 imgsz=640 batch=8
自动生成文件夹：
runs/detect/train/weights/
├── best.pt ← 最好的模型（用这个）
└── last.pt ← 最后一轮的模型

拿到 best.pt 就能识别标注的物品了，你标注了什么，它就能识别什么。