Train model ด้วย yolo8

การฝึกโมเดล YOLOv8 และการเตรียมข้อมูลต้องทำตามขั้นตอนเหล่านี้:

1. เตรียมข้อมูล

1. รวบรวมข้อมูล: ควรรวบรวมรูปภาพที่มีความหลากหลายและครอบคลุมประเภทวัตถุที่ต้องการตรวจจับ
2. ทำเครื่องหมาย (Annotation): ใช้เครื่องมือเช่น LabelImg หรือ Roboflow เพื่อทำเครื่องหมายวัตถุในรูปภาพและสร้างไฟล์ annotations เช่น YOLO format (.txt) หรือ COCO format (.json)
   • Training: รูปภาพและไฟล์ annotations สำหรับการฝึก
   • Validation: รูปภาพและไฟล์ annotations สำหรับการทดสอบ
   • Test: รูปภาพสำหรับการทดสอบผลลัพธ์ (ไม่ต้องมี annotations)

จัดระเบียบข้อมูล:โครงสร้างไดเร็กทอรีตัวอย่าง:

/dataset
    /images
        /train
        /val
        /test
    /labels
        /train
        /val
        /test

2. ติดตั้ง YOLOv8

ติดตั้งผ่าน pip:

pip install ultralytics

3. เตรียมไฟล์คอนฟิก

สร้างไฟล์ YAML ที่กำหนดข้อมูลที่ใช้ในการฝึก เช่น data.yaml:

path: /path/to/dataset
train: images/train
val: images/val
test: images/test

nc: 3  # จำนวนประเภทของวัตถุที่ต้องการตรวจจับ
names: ['class1', 'class2', 'class3']  # ชื่อของประเภทวัตถุ

4. ฝึกโมเดล

ใช้คำสั่งใน terminal:

yolo train model=yolov8n.pt data=data.yaml epochs=50 imgsz=640

• model: ชื่อของโมเดล YOLOv8 ที่ใช้ (เช่น yolov8n.pt)
• data: ไฟล์ YAML ที่เตรียมไว้
• epochs: จำนวนรอบการฝึก
• imgsz: ขนาดของภาพที่ใช้ในการฝึก

5. ทดสอบโมเดล

หลังจากฝึกเสร็จแล้ว ทดสอบโมเดลด้วยคำสั่ง:

yolo predict model=yolov8n.pt source=/path/to/test/images

6. ประเมินผล

ตรวจสอบผลลัพธ์ที่ได้จากการทดสอบ เพื่อดูว่าความแม่นยำของโมเดลเป็นอย่างไร และทำการปรับแต่งหากจำเป็น