Ultralytics YOLOv8 训练和导出的 Label Studio 之间的数据集格式不匹配

Question

我之前使用过 Tensorflow，现在是 PyTorch 和 Ultralytics YOLOv8 的新手。我最近学会了训练（微调）YOLOv8 对象检测模型以适应我自己的数据集。然而，官方文档只展示了如何使用YAML文件以COCO8格式进行训练。 Label Studio 导出的数据集仅为 JSON，而不是 YAML（甚至导出为 YOLO 格式！）。

然后我尝试直接将

model.train(data="coco8.yaml", epochs=100, imgsz=640)

替换为

model.train(data="coco/result.json", epochs=100, imgsz=640)

。但毫不奇怪，它不起作用。

所以，我有两个问题：

1. YOLOv8是否支持其他格式的数据进行微调？那么Label Studio中的YOLO和YOLOv8 OBB选项有什么问题吗？
2. 我可以在 Label Studio 中导出 COCO8 格式的 YAML 文件吗？

编辑：

通过查看 GitHub 中的示例 coco8.yaml 文件，我发现 yaml 文件可以轻松地手动硬编码。不过我还是想知道Label Studio导出的数据集怎么用，为什么会出现格式接口的问题。

Answer 1

YOLOv8是否支持其他格式的数据进行微调？

不可以，Ultralytics YOLOv8 仅支持 YOLO 格式的数据集，如官方文档中所述：用于对象检测

https://docs.ultralytics.com/datasets/detect/

，用于定向边界框检测 https:// docs.ultralytics.com/datasets/obb/，等等。

那么Label Studio中的YOLO和YOLOv8 OBB选项有什么问题吗？

正如预期的那样

，从Label Studio以YOLO格式导出的数据将具有以下内容：notes.json、classes.txt、images和labels文件夹。您仍然需要进行一些预处理才能从这些文件创建 YOLO 数据集。

我可以在 Label Studio 中导出 COCO8 格式的 YAML 文件吗？

这里的YAML文件只是YOLO数据集的简短文本描述（数据集路径和类列表），在这种情况下您需要手动创建它。

首先，将图像及其相应的标签划分为训练集和验证集，这样您将拥有

train
1. 和 val 文件夹，其中每个文件夹内都有 images 和 labels 文件夹。 创建一个新的文本文件并按以下格式描述您的数据集：

# Train/val/test sets as 1) dir: path/to/imgs
path: "../datasets/mydataset" # dataset root dir
train: "train" # train folder (relative to 'path')
val: "val" # validation folder (relative to 'path')
test: # test folder (optional)

# Classes list
names:
    0: person
    1: bicycle
    2: car

将此文本文件重命名为

mydataset.yaml
3. 。这是您的 YAML 文件，从 Label Studio 导出的原始数据中不存在该文件。
对导出的数据集进行预处理后，您可以在其上训练 yolo 模型：

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="/path/to/mydataset.yaml", epochs=100, imgsz=640)