本文是看了博客YOLOv8制作自己的目标检测数据集保姆级教程（包含json转xml转txt）_yolov8数据集制作-CSDN博客，没有抄袭的意思，这里主要作为笔记用。
1.数据集准备
在E盘新建一个Mydataset文件夹（可自定义），如图所示放置四个.py文件，两个数据集文件夹以及一个数据加载配置文件，名称如图所示，.py中的代码下文将逐一给出，.yaml中的内容下文也会给出。
1.1原始数据
原始数据集如图所示，存放在original_dataset文件夹（可自定义）下，包含了原始图片和利用labelme标注得到的json文件(注意：如果用label.exe文件标定数据，数据集可以直接标定为json文件或者xml文件，下面不需要再做json到xml文件的转换处理)。
1.2待制作数据集（yolov8加载的数据集）
Mydataset文件夹下新建data文件夹（可自定义），再在data目录下新建Annotations, images, ImageSets, labels 四个文件夹。
📌Annotations：存放转换之后图片的xml文件
📌images：存放数据集的图片文件
📌ImageSets ：存放数据集按比例分割之后自动生成的train.txt，val.txt，test.txt和trainval.txt四个文件
📌labels：存放xml文件转换后的txt标准格式标签
下文将详细介绍每一个文件夹中存放的文件及其制作流程。
2.标签格式转化（json转xml）
注意：如果用label.exe文件标定数据，数据集可以直接标定为json文件或者xml文件，下面不需要再做json到xml文件的转换处理。
由于使用labelme进行标注得到的label是json格式的文件，故需将原始数据集json格式的标签转换为xml格式。
在Mydataset目录下新建一个文件json2xml.py，运行。
📌注意代码第12行中地址labelme_path为原始json、bmp标注数据路径,需要更换成自己的数据集名称。
❗❗❗代码中默认的是读取bmp格式的图像，如果你的原始数据集中是jpg或png格式的图像，需要把json2xml.py代码中所有的“bmp”修改为你自己图像对应的格式，如“jpg”，“png”，该部分代码中有两处需要修改。
📌注意代码第13行中地址saved_path为转换后xml文件的保存路径。
代码如下：
import os
import xml.dom
import numpy as np
import codecs
import json
import glob
import cv2
import shutil
# 1.标签路径
labelme_path = r"E:\Mydataset\original_dataset" # 原始json、bmp标注数据路径,需要更换成自己的数据集名称
saved_path = r"E:\Mydataset\data\Annotations" # 保存路径
# 2.获取待处理文件
files = glob.glob("%s/*.json" % (labelme_path))
# 3.读取标注信息并写入 xml
for json_filename in files:
json_file = json.load(open(json_filename, "r", encoding="utf-8"))
i = 0
# 图像名字，若图像格式不是bmp，需要修改此处
img_name = json_filename.replace(".json", ".bmp")
height, width, channels = cv2.imread(img_name).shape
# xml名字
xmlName = os.path.join(saved_path, json_filename.split("\\")[-1].replace(".json", ".xml"))
with codecs.open(xmlName, "w", "utf-8") as xml:
print(2)
xml.write('<annotation>\n')
xml.write('\t<folder>' + 'bmp' + '</folder>\n')
xml.write('\t<filename>' + img_name + '</filename>\n')
# -------------------------------------------------
xml.write('\t<source>\n')
xml.write('\t\t<database>hulan</database>\n')
# --------------------------------------------------
xml.write('\t</source>\n')
# -----------------------------------------------------------
xml.write('\t<size>\n')
xml.write('\t\t<width>' + str(width) + '</width>\n')
xml.write('\t\t<height>' + str(height) + '</height>\n')
xml.write('\t\t<depth>' + str(channels) + '</depth>\n')
# ------------------------------------------------
xml.write('\t</size>\n')
xml.write('\t\t<segmented>0</segmented>\n')
# 节点判断
for multi in json_file["shapes"]:
points = np.array(multi["points"])
xmin = min(points[:, 0])
xmax = max(points[:, 0])
ymin = min(points[:, 1])
ymax = max(points[:, 1])
label = multi["label"]
if xmax <= xmin:
pass
elif ymax <= ymin:
pass
else:
xml.write('\t<object>\n')
xml.write('\t\t<name>' + json_file["shapes"][i]["label"] + '</name>\n')
xml.write('\t\t<pose>Unspecified</pose>\n')
xml.write('\t\t<truncated>0</truncated>\n')
xml.write('\t\t<difficult>0</difficult>\n')
xml.write('\t\t<bndbox>\n')
xml.write('\t\t\t<xmin>' + str(xmin) + '</xmin>\n')
xml.write('\t\t\t<ymin>' + str(ymin) + '</ymin>\n')
xml.write('\t\t\t<xmax>' + str(xmax) + '</xmax>\n')
xml.write('\t\t\t<ymax>' + str(ymax) + '</ymax>\n')
xml.write('\t\t</bndbox>\n')
xml.write('\t</object>\n')
print(json_filename, xmin, ymin, xmax, ymax, label)
i = i + 1
xml.write('</annotation>')
# 复制图片
newImgName = os.path.join(output + '/Mydataset/images', img_name.split("\\")[-1])
shutil.copy(img_name, newImgName)生成的标签存放在Annotations目录下，如图所示。
3.按比例划分数据集
在Mydataset目录下新建一个文件splitDataset.py，运行。
代码如下所示：
import os
import random
trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'data/Annotations'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()随机分配训练/验证/测试集图片，会在ImageSet 目录下生成四个txt文件，存放训练集、验证集、测试集的划分文件（各集合包含的图片），生成文件如图所示。
4.标签格式转化（xml转txt）
由于yolov8使用的labels是txt格式的文件，故需将原始数据集xml格式的标签转换为txt格式。
即将每个xml标注提取box信息为txt格式，每个图像对应一个txt文件，文件每一行为一个目标的信息，包括class, x_center, y_center, width, height格式。
📌如果数据集中的类别不知道或者比较多不想手敲，可以使用如下脚本直接获取类别，如果不需要可以直接跳过。
代码如下：
import xml.dom.minidom as xmldom
import os
# voc数据集获取所有标签的所有类别数"
annotation_path = "./data/Annotations/"
annotation_names = [os.path.join(annotation_path, i) for i in os.listdir(annotation_path)]
labels = list()
for names in annotation_names:
xmlfilepath = names
domobj = xmldom.parse(xmlfilepath)
# 得到元素对象
elementobj = domobj.documentElement
# 获得子标签
subElementObj = elementobj.getElementsByTagName("object")
for s in subElementObj:
label = s.getElementsByTagName("name")[0].firstChild.data
# print(label)
if label not in labels:
labels.append(label)
print(labels)在脚本运行的输出中即可获取数据集的所有类别。
在Mydataset目录下新建一个文件xml2txt.py，运行。
📌注意代码第10行，classes = ['…']一定需要填写自己数据集的类别，在这里我是九个类别：'round', 'square', 'rectangular', 'flat_elliptical', 'mantou', 'groove', 'regular_triangle', 'd_shaped', 'angle'。可从上述脚本输出中将所有种类粘贴至xml2txt.py的对应位置。
📌注意代码第101行，list_file.write('E:/Mydataset/data/images/%s.bmp\n' % (image_id))中的地址要与自己数据所在的地址一致。
❗❗❗代码中默认的是读取bmp格式的图像，如果你的原始数据集中是jpg或png格式的图像，需要把xml2txt.py代码中所有的“bmp”修改为你自己图像对应的格式，如“jpg”，“png”，该部分代码中有一处需要修改，在第101行。
xml2txt.py代码如下：
# xml解析包
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets = ['train', 'test', 'val']
classes = ['round', 'square', 'rectangular', 'flat_elliptical', 'mantou', 'groove', 'regular_triangle', 'd_shaped', 'angle']
# 进行归一化操作
def convert(size, box): # size:(原图w,原图h) , box:(xmin,xmax,ymin,ymax)
dw = 1./size[0] # 1/w
dh = 1./size[1] # 1/h
x = (box[0] + box[1])/2.0 # 物体在图中的中心点x坐标
y = (box[2] + box[3])/2.0 # 物体在图中的中心点y坐标
w = box[1] - box[0] # 物体实际像素宽度
h = box[3] - box[2] # 物体实际像素高度
x = x*dw # 物体中心点x的坐标比(相当于 x/原图w)
w = w*dw # 物体宽度的宽度比(相当于 w/原图w)
y = y*dh # 物体中心点y的坐标比(相当于 y/原图h)
h = h*dh # 物体宽度的宽度比(相当于 h/原图h)
return (x, y, w, h) # 返回 相对于原图的物体中心点的x坐标比,y坐标比,宽度比,高度比,取值范围[0-1]
# year ='2012', 对应图片的id（文件名）
def convert_annotation(image_id):
'''
将对应文件名的xml文件转化为label文件，xml文件包含了对应的bunding框以及图片长款大小等信息，
通过对其解析，然后进行归一化最终读到label文件中去，也就是说
一张图片文件对应一个xml文件，然后通过解析和归一化，能够将对应的信息保存到唯一一个label文件中去
labal文件中的格式：calss x y w h 同时，一张图片对应的类别有多个，所以对应的ｂｕｎｄｉｎｇ的信息也有多个
'''
# 对应的通过year 找到相应的文件夹，并且打开相应image_id的xml文件，其对应bund文件
in_file = open('data/Annotations/%s.xml' % (image_id), encoding='utf-8')
# 准备在对应的image_id 中写入对应的label，分别为
# <object-class> <x> <y> <width> <height>
out_file = open('data/labels/%s.txt' % (image_id), 'w', encoding='utf-8')
# 解析xml文件
tree = ET.parse(in_file)
# 获得对应的键值对
root = tree.getroot()
# 获得图片的尺寸大小
size = root.find('size')
# 如果xml内的标记为空，增加判断条件
if size != None:
# 获得宽
w = int(size.find('width').text)
# 获得高
h = int(size.find('height').text)
# 遍历目标obj
for obj in root.iter('object'):
# 获得difficult ？？
difficult = obj.find('difficult').text
# 获得类别 =string 类型
cls = obj.find('name').text
# 如果类别不是对应在我们预定好的class文件中，或difficult==1则跳过
if cls not in classes or int(difficult) == 1:
continue
# 通过类别名称找到id
cls_id = classes.index(cls)
# 找到bndbox 对象
xmlbox = obj.find('bndbox')
# 获取对应的bndbox的数组 = ['xmin','xmax','ymin','ymax']
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
print(image_id, cls, b)
# 带入进行归一化操作
# w = 宽, h = 高， b= bndbox的数组 = ['xmin','xmax','ymin','ymax']
bb = convert((w, h), b)
# bb 对应的是归一化后的(x,y,w,h)
# 生成 calss x y w h 在label文件中
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
# 返回当前工作目录
wd = getcwd()
print(wd)
for image_set in sets:
'''
对所有的文件数据集进行遍历
做了两个工作：
１．将所有图片文件都遍历一遍，并且将其所有的全路径都写在对应的txt文件中去，方便定位
２．同时对所有的图片文件进行解析和转化，将其对应的bundingbox 以及类别的信息全部解析写到label 文件中去
最后再通过直接读取文件，就能找到对应的label 信息
'''
# 先找labels文件夹如果不存在则创建
if not os.path.exists('data/labels/'):
os.makedirs('data/labels/')
# 读取在ImageSets/Main 中的train、test..等文件的内容
# 包含对应的文件名称
image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
# 打开对应的2012_train.txt 文件对其进行写入准备
list_file = open('data/%s.txt' % (image_set), 'w')
# 将对应的文件_id以及全路径写进去并换行
for image_id in image_ids:
list_file.write('E:/Mydataset/data/images/%s.bmp\n' % (image_id))
# 调用 year = 年份 image_id = 对应的文件名_id
convert_annotation(image_id)
# 关闭文件
list_file.close()生成的标签存放在labels目录下，并且在data目录下生成三个txt文件，文件内是训练集、验证集、测试集的图片路径，如图所示。
至此YOLOv8目标检测数据集制作完成。
5.数据集训练
在Mydataset文件夹下新建一个Myvoc.yaml文件（可以自定义命名），用来存放训练集、验证集、测试集的路径文件（train.txt、val.txt、test.txt），以上三个文件是在步骤4中生成的路径文件（存放在Mydataset目录下），然后是目标的类别数目和具体类别列表。
Myvoc.yaml文件内容如下：❗❗❗注意txt需要使用绝对路径。
5.2训练参数配置
训练参数文件为yolov8自带的default.yaml文件，在不同版本的yolov8中该文件的位置也略有不同，在本实验中default.yaml文件位置如下图所示。
default.yaml文件内容如下：
以上常用参数解释如下：
📌task：选择任务类型，可选['detect', 'segment', 'classify', 'pose']。
📌mode: 选择是训练、验证、预测和导出模型等，可选['train', 'val', 'predict', 'export', 'track', 'benchmark']。
📌model: 选择yolov8不同的模型配置文件，可选yolov8s.pt、yolov8m.pt、yolov8x.pt等（提供了n、s、m、l、x版本，随着架构的增大，训练时间也是逐渐增大，需要根据自身设备硬件配置合理选择）。
❗❗❗注意model最好去github上提前下载好，放在如图所示的指定位置，如果没提前下载运行时会自动下载，但是下载速度可能非常非常慢。
📌data: 选择生成的数据集配置文件。
📌epochs：训练过程中整个数据集的迭代次数。
📌batch：一次看完多少张图片才进行权重更新，梯度下降的mini-batch，提示爆显存就需要调小一点。
📌imgsz：输入图片的尺寸大小。
📌workers：用于数据加载的工作线程数。
📌project：训练工程名称。
📌name：保存训练结果的文件夹名称。
📌resume：从最后一个检查点恢复训练，即模型训练的断点接续，可选False或True。
5.3Yolov8详细参数逐行解读
# YOLO 🚀, AGPL-3.0 许可证
# 用于中等增强COCO训练的默认训练设置和超参数
task: detect # (str) YOLO任务，例如检测、分割、分类、姿态
mode: train # (str) YOLO模式，例如训练、验证、预测、导出、跟踪、基准测试
# 训练设置 -------------------------------------------------------------------------------------------------------
model: # (str, 可选) 模型文件路径，例如 yolov8n.pt, yolov8n.yaml
data: # (str, 可选) 数据文件路径，例如 coco128.yaml
epochs: 100 # (int) 训练轮次数
time: # (float, 可选) 训练时间，如果提供，将覆盖epochs
patience: 50 # (int) 早停等待轮次，对于没有可观察改进的训练早期停止
batch: 16 # (int) 每批次的图像数量（-1表示自动批次）
imgsz: 640 # (int | list) 训练和验证模式的输入图像大小为int，或预测和导出模式的list[w,h]
save: True # (bool) 保存训练检查点和预测结果
save_period: -1 # (int) 每x轮次保存一次检查点（如果<1则禁用）
cache: False # (bool) True/ram, disk 或 False。使用缓存加载数据
device: # (int | str | list, 可选) 运行设备，例如 cuda device=0 或 device=0,1,2,3 或 device=cpu
workers: 8 # (int) 数据加载的工作线程数（如果DDP，则为每个RANK）
project: # (str, 可选) 项目名称
name: # (str, 可选) 实验名称，结果保存在'project/name'目录
exist_ok: False # (bool) 是否覆盖现有实验
pretrained: True # (bool | str) 是否使用预训练模型（bool）或从中加载权重的模型（str）
optimizer: auto # (str) 使用的优化器，可选项=[SGD, Adam, Adamax, AdamW, NAdam, RAdam, RMSProp, auto]
verbose: True # (bool) 是否打印详细输出
seed: 0 # (int) 可重复性的随机种子
deterministic: True # (bool) 是否启用确定模式
single_cls: False # (bool) 将多类数据作为单类训练
rect: False # (bool) 如果模式为'train'则矩形训练，如果模式为'val'则矩形验证
cos_lr: False # (bool) 使用余弦学习率调度器
close_mosaic: 10 # (int) 在最后几轮禁用mosaic增强（0表示禁用）
resume: False # (bool) 从最后一个检查点恢复训练
amp: True # (bool) 自动混合精度（AMP）训练，可选项=[True, False]，True表示运行AMP检查
fraction: 1.0 # (float) 训练数据集的分数（默认为1.0，训练集中的所有图像）
profile: False # (bool) 在训练期间为记录器分析ONNX和TensorRT速度
freeze: None # (int | list, 可选) 在训练期间冻结前n层，或冻结层索引列表
multi_scale: False # (bool) 训练期间是否使用多尺度
# 分割
overlap_mask: True # (bool) 训练期间掩码应重叠（仅限分割训练）
mask_ratio: 4 # (int) 掩码降采样比率（仅限分割训练）
# 分类
dropout: 0.0 # (float) 使用dropout正则化（仅限分类训练）
# 验证/测试设置 ----------------------------------------------------------------------------------------------------
val: True # (bool) 在训练期间进行验证/测试
split: val # (str) 用于验证的数据集分割，例如 'val', 'test' 或 'train'
save_json: False # (bool) 将结果保存为JSON文件
save_hybrid: False # (bool) 保存标签的混合版本（标签 + 额外预测）
conf: # (float, 可选) 检测的对象置信度阈值（预测默认0.25，验证默认0.001）
iou: 0.7 # (float) NMS的交并比（IoU）阈值
max_det: 300 # (int) 每张图片的最大检测数量
half: False # (bool) 使用半精度（FP16）
dnn: False # (bool) 使用OpenCV DNN进行ONNX推理
plots: True # (bool) 在训练/验证期间保存图表和图像
# 预测设置 -----------------------------------------------------------------------------------------------------
source: # (str, 可选) 图像或视频的源目录
vid_stride: 1 # (int) 视频帧率步长
stream_buffer: False # (bool) 缓冲所有流媒体帧（True）或返回最近的帧（False）
visualize: False # (bool) 可视化模型特征
augment: False # (bool) 对预测源应用图像增强
agnostic_nms: False # (bool) 类不可知NMS
classes: # (int | list[int], 可选) 通过类过滤结果，例如 classes=0, 或 classes=[0,2,3]
retina_masks: False # (bool) 使用高分辨率分割掩码
embed: # (list[int], 可选) 从给定层返回特征向量/嵌入
# 可视化设置 ---------------------------------------------------------------------------------------------------
show: False # (bool) 如果环境允许，显示预测的图像和视频
save_frames: False # (bool) 保存预测的视频帧
save_txt: False # (bool) 将结果保存为.txt文件
save_conf: False # (bool) 保存带有置信度分数的结果
save_crop: False # (bool) 保存带有结果的裁剪图像
show_labels: True # (bool) 显示预测标签，例如 'person'
show_conf: True # (bool) 显示预测置信度，例如 '0.99'
show_boxes: True # (bool) 显示预测框
line_width: # (int, 可选) 边框的线宽。如果为None，则根据图像大小缩放。
# 导出设置 ------------------------------------------------------------------------------------------------------
format: torchscript # (str) 导出的格式，选项参考 https://docs.ultwithzeyu.com/modes/export/#export-formats
keras: False # (bool) 使用Keras
optimize: False # (bool) TorchScript：为移动端优化
int8: False # (bool) CoreML/TF INT8量化
dynamic: False # (bool) ONNX/TF/TensorRT：动态轴
simplify: False # (bool) ONNX：简化模型
opset: # (int, 可选) ONNX：opset版本
workspace: 4 # (int) TensorRT：工作空间大小（GB）
nms: False # (bool) CoreML：添加NMS
# 超参数 ------------------------------------------------------------------------------------------------------
lr0: 0.01 # (float) 初始学习率（例如SGD=1E-2, Adam=1E-3）
lrf: 0.01 # (float) 最终学习率（lr0 * lrf）
momentum: 0.937 # (float) SGD动量/Adam beta1
weight_decay: 0.0005 # (float) 优化器权重衰减5e-4
warmup_epochs: 3.0 # (float) 预热轮数（小数可）
warmup_momentum: 0.8 # (float) 预热初始动量
warmup_bias_lr: 0.1 # (float) 预热初始偏差学习率
box: 7.5 # (float) 盒子损失增益
cls: 0.5 # (float) 分类损失增益（与像素比例）
dfl: 1.5 # (float) dfl损失增益
pose: 12.0 # (float) 姿态损失增益
kobj: 1.0 # (float) 关键点对象损失增益
label_smoothing: 0.0 # (float) 标签平滑（比例）
nbs: 64 # (int) 名义批次大小
hsv_h: 0.015 # (float) 图像HSV-色调增强（比例）
hsv_s: 0.7 # (float) 图像HSV-饱和度增强（比例）
hsv_v: 0.4 # (float) 图像HSV-值增强（比例）
degrees: 0.0 # (float) 图像旋转（+/-度）
translate: 0.1 # (float) 图像平移（+/-比例）
scale: 0.5 # (float) 图像缩放（+/-增益）
shear: 0.0 # (float) 图像剪切（+/-度）
perspective: 0.0 # (float) 图像透视（+/-比例），范围0-0.001
flipud: 0.0 # (float) 图像上下翻转（概率）
fliplr: 0.5 # (float) 图像左右翻转（概率）
mosaic: 1.0 # (float) 图像马赛克（概率）
mixup: 0.0 # (float) 图像混合（概率）
copy_paste: 0.0 # (float) 分割复制粘贴（概率）
auto_augment: randaugment # (str) 分类的自动增强策略（randaugment, autoaugment, augmix）
erasing: 0.4 # (float) 分类训练期间随机擦除的概率（0-1）
crop_fraction: 1.0 # (float) 分类评估/推理的图像裁剪比例（0-1）
# 自定义config.yaml ---------------------------------------------------------------------------------------------------
cfg: # (str, 可选) 用于覆盖defaults.yaml
# 跟踪器设置 ------------------------------------------------------------------------------------------------------
tracker: botsort.yaml # (str) 跟踪器类型，选项=[botsort.yaml, bytetrack.yaml]5.4模型训练
在配置好上述参数后，找到detect下的train.py文件，运行（文件路径如图所示，不同版本文件位置有所差异，也可使用命令行进行运行）。
开始训练
查看结果
6. pt模型转为onnx模型
在tests文件下写个模型转换的export.py文件，代码如下：
from ultralytics import YOLO
import torch
model = YOLO("yolov8.pt")#要转换的pt文件路径
model.export(format = "onnx")
print(torch.cuda_version)yolov8的onnx模型在c++的运行及c++的yolov8模型预测的环境搭建在我写的另一篇博客9.7 visual studio 搭建yolov8的onnx的预测（c++）-CSDN博客，可以去看看。