YOLO模型训练 2025-05-16 19:58:44 上次用YOLO还是去年玩追焦，搞自动图像处理的时候，最近又有类似的目标检测需求，需要训练个专有模型，虽然整个过程不复杂，但还是架不住遗忘的速度，毕竟这两年大模型带出的新事物太多了，还是有必要再做个简单的备忘。 ## 1. 数据集准备 这个过程主要是训练图片的准备过程，自己拍照或百度搜相关图片都可以，看自己的场景准备即可。 ## 2. 使用roboflow进行样本标准 [roboflow](https://roboflow.com)是个在线图片标注的平台，支持算法辅助标注，和YOLO数据集完美兼容，用起来也很方便，不过免费版本的数据集是公开权限，对于非敏感图片的训练也够用了。 - 新建项目，设置Annotation Group，选择对应的项目类型（如：目标检测Object Detection） - 上传第1步准备的图片数据集 - 使用Annotate功能进行模型自动标注或手动标注 - 基于标注好的Dataset创建版本，注意创建过程中配置Preprocessing，对图片做Resize处理（这块默认640*640的配置就可以了） - 下载数据集，选择对应的YOLO版本，直接下载zip包，就可以用于下一步的训练了 ## 3. 训练模型 安装python环境后，在安装ultralytics包：`pip install ultralytics`。 可以参考以下命令对第2步标注的数据集进行模型训练： ``` yolo detect train data=~/xxx.v1i.yolov11/data.yaml model=yolo11m.pt epochs=50 imgsz=640 ``` 训练完成后，参考命令行输出，可以看到best.pt的文件就是最终训练好的模型了。 命令行的详细使用可参考：<https://docs.ultralytics.com/modes/train/> PS：官方的机翻中文文档真是没法看。 ## 4. 测试验证 ``` yolo detect predict model=path/to/best.pt source=test.jpg ``` 参考文档：<https://docs.ultralytics.com/tasks/detect/#predict> 非特殊说明，均为原创，原创文章，未经允许谢绝转载。 原始链接：YOLO模型训练 赏 Prev 改改rust标准库，搞个自定义rust Next thiserror组合anyhow处理异常时缺少context信息的问题
