yolo26+anaconda3+labelme目标检测

Cara_呐

424人浏览 · 2026-04-01 16:35:19

Cara_呐 · 2026-04-01 16:35:19 发布

1. 安装anaconda3

2.安装labelme

具体安装和使用参考：

如何使用labelme中的AI多边形（AI-polygon）标注_labelme ai标注-CSDN博客

补充：在（1）创建基础环境并激活时，我使用的是python3.10

conda create -n labelme python=3.10 -y  //新建Python 3.10环境
conda activate labelme                  //进入环境
pip install labelme -i https://pypi.tuna.tsinghua.edu.cn/simple  //安装labelme
labelme                                 //安装

3.数据集格式转换

labelme生成的标注文件的后缀是.json，需要转换成.txt文件，才能用来训练

注意：原图片的命名和.txt文件的命名必须一一对应，

格式转换工具：来源b站的视频（如何使用看视频就ok）一键转换目标检测标签格式(labelme.json、yolo.txt、voc.xml、coco.json)_哔哩哔哩_bilibili

一种可以一键转换目标检测标签格式的工具，实现labelme.json、yolo.txt、voc.xml、coco.json四种格式数据集标签之间的相互转换。项目地址：https://github.com/LCYvision/UniLabel

4.yolo26安装

先切到你准备跑训练的 conda 环境（比如你之前的 labelme 或新建的 yolo26）

conda activate labelme
# 或你自己的环境名：conda activate yolo26

检查 ultralytics 包是否安装（没有安装过的话可以跳过此步骤）

pip show ultralytics

安装

pip install -U ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

检查版本

pip show ultralytics

≥ 8.4.2 → 支持 YOLO26
< 8.4.2 → 版本太老，不支持

5.训练模型

5.1 创建data.yaml

在根目录下创建data.yaml（我这里的命名是Cup.yaml）

data.yaml内容根据情况自行修改（不知道怎么改，问ai哈哈）

# YOLO26 训练配置文件 - 单类别Cup
path: D:/File/TrainData/Cup_Train  # 数据集根目录（绝对路径，避免报错）
train: images/train           # 训练集图片路径
val: images/train             # 验证集（数据少先用训练集，后续可拆分）

nc: 1                         # 类别数量=1
names: ["Cup"]                # 类别名称，和classes.txt完全一致

5.2 训练模型

使用官方提供的预训练权重进行训练，使用yolo26n.pt，也可以使用yolo26s.pt，模型大小n<s<m<l<x，训练时长成倍增加。

创建一个yolo26_train.py文件，内容如下

from ultralytics import YOLO

# Parts to modify
model_path  = r"D:\File\TrainData\Cup_Train\yolo26n.pt"          # Model file path
image_path  = r"D:\File\TrainData\Cup_Train\test\Cup07.jpg"        # Image path to detect
save_dir    = r"runs/detect/predict"  # Result save directory
# =================================================================

# Load model
model = YOLO(model_path)


results = model.predict(
    source=image_path, 
    save=True,         # Save image with bounding boxes
    save_txt=True,     # Save coordinates to txt
    save_conf=True,    # Save confidence score
    conf=0.25          # Confidence threshold (too low = false boxes, too high = missed detections)
)

# Print results
print("Detection Results\n")
for result in results:
    for box in result.boxes:
        cls_id = int(box.cls)
        cls_name = result.names[cls_id]
        conf = float(box.conf)
        xyxy = box.xyxy[0].tolist()  # LeftUp x,y  RightDown x,y
        print(f"Class: {cls_name} | Confidence: {conf:.2f} | Coordinates: {xyxy}")

使用命令行执行训练（参数根据情况修改，每个参数什么意思，如何修改，问ai 嘻嘻）

yolo task=detect mode=train model=yolo26n.yaml pretrained=yolo26n.pt data=Cup.yaml epochs=20 imgsz=640 device=cpu optimizer='SGD' workers=8 batch=6 amp=False cache=False

训练完成之后就可以去之前设定好的结果存放区域看结果啦

（我这里的文件路径是D:\File\TrainData\Cup_Train\runs\detect\predict）