本文介绍了使用用于目标检测的自定义数据训练 YOLOv8 模型。我正在使用来自 kaggle 的 yolo 格式的“Face Mask Dataset”，数据集链接如下：https://www.kaggle.com/datasets/maalialharbi/face-mask-dataset?resource=download
YOLOv8 是目前最先进的 YOLO 模型，可用于目标检测、图像分类和实例分割任务。
我使用 Google Colab 进行训练，如果您有兴趣使用 YOLOv5 对自定义数据进行检查，可是使用下面链接中的代码：https://github.com/Balakishan77/yolov5_custom_traffic_sign_detector。
关于这个用于目标检测任务的数据集：
数据集“Face Mask Dataset”已转换好 YOLO 格式以用于检测任务。它既可以用于训练，也可以用于测试。
图像数据集可以切分如下：
测试：136 =10%
训练：990 = 70%
验证：294 = 20%
总计 = 1420 张图片
图像数据增强是为了增加数据集的大小并使其更强大。图像格式：JPEG、PNG，共有 3 个类：no_mask mask improper_mask。
训练自定义检测模型：
我正在使用 Yolov8m 对口罩数据进行自定义训练。我通过从 Google Drive 读取数据并在 Google colab 上进行训练。以下步骤将详细介绍使用 YOLOv8 在 Mask Data 上进行自定义训练：
- 配置 Google Colab
- YOLOv8 安装
- 安装 Google Drive
- 创建 face_mask_detetcion.yaml（数据集配置文件）（YOLOV8格式）
- 训练我们的自定义口罩检测模型
- 指标
- 使用自定义 YOLOv8 目标检测模型训练权重进行推理
1. 配置 Google Colab
Google Colab 是一个类似于 Jupiter notebook 的在线深度学习训练环境，您可以在上面的 GPU/TPU 上训练深度学习模型。Google Colab 允许您在断开连接之前免费训练深度学习模型长达 12 小时。通过访问运行时部分，将运行类型更改为 GPU 并使用以下命令检查 GPU 详细信息。
# to check and monitoring of NVIDIA GPU devices. !nvidia-smi
2. YOLOv8 安装
我们可以通过 clone git 上面的代码或使用 torch hub 使用 YOLOv5。最近的 YOLOv8 已经发布为 pip 包，所以我们不需要 clone 任何代码，便可以安装 v8 版本所有的依赖项。
# installing package to work with yolov8 !pip install ultralytics
3. 安装 Google Drive
我已经将 mask_dataset 文件夹上传到“MyDrive/datasets/mask_dataset/”路径中的 Google Drive，我将使用以下代码进行安装。（它会要求您输入授权码，您可以通过单击下面显示的链接来输入授权码）。标注数据已按照图像和标签（文本文件）分开的方式进行切分。
from google.colab import drive drive.mount('/content/drive')
YOLOv8格式：
YOLOv8 的格式与 Yolov5 相同。YOLO 格式，每个图像有一个对应的 .txt 文件（如果图像中没有对象，则不需要 .txt 文件）。*.txt 文件规范为：
每个对象对应一行，每行依次保存了 class, x_center, y_center width height。框坐标必须采用 xywh 格式（归一化到 0–1）。如果您的框以像素为单位，请将 x_center 和 width 除以图像 width，将 y_center 和 height 除以图像 heigth。class 是从零进行索引的。下面我们将探索数据集中的一些示例图像。
# Checking the size of images and displaying them import numpy as np import cv2 # Image shape in Training image = cv2.imread('/content/drive/MyDrive/datasets/mask_dataset/train/images/5e353e347af50726986e84c0.jpeg') height = np.size(image, 0) width = np.size(image, 1) print ("shape of the training image {}, {}".format(height, width)) # Image shape in validation image = cv2.imread('/content/drive/MyDrive/datasets/mask_dataset/valid/images/maksssksksss67.png') height = np.size(image, 0) width = np.size(image, 1) print ("shape of the validation image {}, {}".format(height, width))
# dispying with different width from IPython.display import Image Image(filename='/content/drive/MyDrive/datasets/mask_dataset/train/images/5e353e347af50726986e84c0.jpeg', width=300)
4. 创建 face_mask_detetcion.yaml（数据集配置文件）
“face mask dataset”中的图像拆分如下：
- 训练：990 = 70%
- 验证：294 = 20%
- 测试：136 =10%
（我没有使用测试数据集，而是用一些来自互联网的视频进行测试） - 总计 = 1420 张图片
下面创建的 mask_dataset/face_mask_detetcion.yaml 是定义以下内容的数据集配置文件：
数据集根目录路径和 train / test /val 图像目录的相对路径（或带有图像路径的 *.txt 文件）
- nc：类别数目
- names：类名列表
# I will write the contents of the cell to a file %%writefile /content/drive/MyDrive/datasets/mask_dataset/face_mask_detection.yaml # Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..] path: /content/drive/MyDrive/datasets/mask_dataset # dataset root dir train: train/images/ # train images (relative to 'path') val: valid/images/ # val images (relative to 'path') test: # test images (optional) # number of classes nc: 3 # class names #names: ['0', '1', '2'] names: [ 'no_mask', 'mask','improper_mask'] # class names
5. 训练我们自定义口罩检测模型
我正在使用 YOLOv8m 预训练模型对口罩数据集进行训练。我们可以调整多个参数以获得更好的结果，我正在使用 yolov8m 模型训练 25 个 epoch。
参数：
- 指定数据配置文件的路径
- 输入图像尺寸
- epoch
from ultralytics import YOLO # Load a model # model = YOLO("yolov8m.yaml") # build a new model from scratch model = YOLO("yolov8m.pt") # load a pretrained model (recommended for training) # Use the model results = model.train(data="/content/drive/MyDrive/datasets/mask_dataset/face_mask_detection.yaml", epochs=25, imgsz=640) # train the model
VAL：
在验证数据集上验证经过训练的 YOLOv8m 模型准确性。不需要传递参数，因为模型将其训练数据和参数保留为一个完整模型。
results = model.val() # evaluate model performance on the validation set
6. 指标
每个类别和整体的训练 mAP 效果都很好，视频测试结果也很好。如果我们针对 epoch 进行训练，添加更多数据并使用超参数可以提高模型的性能。下面我们可以看到 Precision-Recall 和 F1 置信度曲线。
# dislaying metrics for train data from IPython.display import Image from IPython.display import display x = Image(filename='runs/detect/train2/F1_curve.png') y = Image(filename='runs/detect/train2/PR_curve.png') z = Image(filename='runs/detect/train2/confusion_matrix.png') display(x, y,z)
7. 推理
# checking the latest trained files !ls 'runs/detect/train2/weights' best.pt last.pt # loading the trianed model model = YOLO("runs/detect/train2/weights/best.pt") # load a custom model # testing the model on a video !yolo task=detect mode=predict model="runs/detect/train2/weights/best.pt" source="/content/drive/MyDrive/datasets/mask_dataset/mask_testing.mp4"
下面是使用该模型对图像进行推理的示例。
下面提供了使用经过训练模型推理并进行标注的视频链接：
结论
根据推理结果，经过训练的模型效果很好。我们可以尝试通过使用更大型的 YOLOv8 模型、扩增数据集和添加超参数的方式对模型进行改进，小伙伴们有兴趣可以自行尝试。
