YOLOv8目標檢測實戰：訓練自己的數據集
YOLOv8 Object Detection : Train Custom Dataset
Description
Ultralytics YOLOv8 基於先前 YOLO 版本的成功，引入了新功能和改進，進一步提升性能和靈活性。YOLOv8 支援目標檢測與跟蹤、實例分割、圖像分類和姿態估計任務。YOLOv8使用 PyTorch開發，設計了更高效的具有豐富梯度流的骨幹網路和Neck。採用了Anchor-free無錨范式、解耦頭、Task Aligned正負樣本分配策略和CIoU+DFL損失等前沿技術。
本課程將手把手地教大家使用labelImg標注和使用YOLOv8訓練自己的資料集，完成一個多目標檢測實戰專案，可檢測圖像和視頻中的足球和梅西兩個目標類別。
本課程分別在Windows和Ubuntu系統上做專案演示。包括：安裝軟體環境（Nvidia顯卡驅動、cuda和cudnn）、安裝PyTorch、安裝YOLOv8、使用labelme標注自己的資料集、準備自己的資料集（自動劃分訓練集和驗證集）、修改設定檔、訓練自己的資料集（合適的命令參數選擇）、測試訓練出的網路模型和性能統計。
What You Will Learn!
- 掌握YOLOv8目標檢測訓練自己的資料集方法
- 掌握圖像標注方法
- 掌握自動劃分資料集的方法
- 學習YOLOv8網路架構
Who Should Attend!
- 希望學習YOLOv8目標檢測技術的學員和從業者