新手如何使用yolo进行图像数据标注与图像识别？

我将带你从零开始，一步步完成“图像标注”和“图像识别（目标检测）”，并且包含可以直接运行的代码示例。

整个流程分为 四大步：

环境安装：准备好软件。

数据标注：制作你自己的数据集。

模型训练：让 YOLO 学会识别你的目标。

识别与测试：用训练好的模型进行预测。

第一步：环境安装与准备

你需要 Python 环境和几个库。我们用最简单的方式安装。

安装 Python：确保你的电脑上安装了 Python 3.8 或更高版本。

安装 YOLOv8 和 OpenCV：打开你的终端（Windows 用户是 CMD 或 PowerShell），输入一行命令即可：

pip install ultralytics opencv-python

安装标注工具 (LabelImg)：这是一个简单好用的本地标注软件。

pip install labelImg

环境就搭好了，非常简单！

第二步：数据标注（核心步骤）

假设我们要训练一个模型来识别图片里的 猫 (cat) 和 狗 (dog)。

收集图片：

创建一个主文件夹，比如 My-Dataset。

在里面再创建一个 images 文件夹，把你找到的所有猫和狗的图片都放进去。图片越多、场景越丰富越好。

开始标注：

在终端输入 labelImg 命令，启动标注工具。

① 打开目录：点击 "Open Dir"，选择刚才创建的 images 文件夹。

② 切换格式：点击左侧菜单的 "PascalVOC" 按钮，把它切换成 "YOLO" 格式。这是最关键的一步！

③ 开始画框：

点击 "Create RectBox" (或按快捷键 W)。

用鼠标在图片中的猫或狗身上画一个刚刚好框住目标的矩形框。

画完后，会弹出一个对话框让你输入标签名，比如输入 cat，然后点 OK。

继续为图片中所有的猫和狗画框。

④ 保存：点击 "Save" (或按快捷键 Ctrl+S)。你会发现，在你的 images 文件夹旁边，自动生成了一个 labels 文件夹，里面有一个和图片同名的 .txt 文件。这个就是 YOLO 的标签文件。

⑤ 重复：处理完一张图片后，点击 "Next Image"，继续标注下一张，直到所有图片都标完。

标注完成后，你的目录结构应该是这样的：

My-Dataset/
├── images/
│   ├── 001.jpg
│   ├── 002.jpg
│   └── ...
└── labels/
    ├── 001.txt
    ├── 002.txt
    └── ...

.txt 文件的内容是类似 0 0.5 0.5 0.2 0.3 这样的数字，你不需要手动修改它，这是 LabelImg 自动生成的。

第三步：模型训练

数据准备好了，现在开始训练。

整理数据集结构：YOLO 需要 train（训练集）和 val（验证集）...

点击查看剩余70%