YOLOv8-Seg实战：从零构建自定义分割数据集与模型训练

1. 为什么需要自定义分割数据集？

在实际项目中，我们经常会遇到一些特殊场景，比如工业质检中的零件缺陷检测、医疗影像中的病灶区域识别，这些场景往往无法直接用现成的COCO数据集来训练模型。这时候就需要自己动手构建专属的数据集。

我去年做过一个PCB板缺陷检测的项目，当时最大的挑战就是找不到合适的数据集。市面上的公开数据集要么类别不匹配，要么图像质量达不到要求。最后我们只能自己搭建拍摄环境，采集了3000多张带缺陷的PCB板图像，手动标注了每一处缺陷区域。

自定义数据集的好处很明显：

• 完全贴合业务需求，模型效果更有保障
• 数据质量可控，避免公开数据集中存在的噪声问题
• 可以根据实际场景调整数据分布，比如某些特殊缺陷样本可以适当增加

2. 环境准备与工具选型

2.1 基础环境配置

推荐使用Python 3.8+和PyTorch 1.12+的组合，这个版本组合经过实测最稳定。我的开发环境是这样的：

• 操作系统：Ubuntu 20.04 LTS（Windows也可以）
• GPU：NVIDIA RTX 3090（显存建议8G以上）
• CUDA：11.7
• cuDNN：8.5.0

安装核心依赖包：

bash复制pip install ultralytics torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113
pip install labelme opencv-python pillow

2.2 标注工具选择

对于分割任务，我强烈推荐使用LabelMe。相比其他工具，它有这几个优势：

1. 支持多边形标注，适合不规则形状
2. 导出格式兼容COCO，方便后续转换
3. 跨平台支持，Windows/Mac/Linux都能用

安装方法很简单：

bash复制pip install labelme
labelme  # 启动图形界面

3. 构建自定义数据集的完整流程

3.1 数据采集注意事项

采集图像时要注意这几个关键点：

• 光照条件要接近实际应用场景
• 拍摄角度尽量多样化
• 背景复杂度要适中，太简单或太复杂都不好
• 每个类别至少准备200-300个样本

我建议先用手机或普通相机采集原始素材，然后用OpenCV做简单的预处理：

python复制import cv2

def preprocess(image_path):
    img = cv2.imread(image_path)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    img = cv2.resize(img, (640, 640))  # 调整到YOLOv8的默认输入尺寸
    return img

3.2 标注规范与技巧

标注质量直接影响模型效果，这里分享几个实用技巧：

1. 对于不规则物体，用多边形工具比矩形框更准确
2. 相邻物体间要留出少量空隙，避免边界混淆
3. 遮挡严重的物体可以酌情跳过
4. 每个图像文件对应一个同名的json标注文件

标注完成后，目录结构应该是这样的：

code复制dataset/
├── images/
│   ├── train/
│   │   ├── img1.jpg
│   │   └── img2.jpg
│   └── val/
│       ├── img3.jpg
│       └── img4.jpg
└── labels/
    ├── train/
    │   ├── img1.json
    │   └── img2.json
    └── val/
        ├── img3.json
        └── img4.json

4. 数据格式转换与增强

4.1 LabelMe转YOLOv8格式

YOLOv8-Seg需要特定的txt格式，每个标注文件包含：

• 类别索引
• 归一化的多边形点坐标

转换脚本示例：

python复制import json
import os
from pathlib import Path

def convert_labelme_to_yolo(json_file, output_dir):
    with open(json_file) as f:
        data = json.load(f)
    
    img_width = data['imageWidth']
    img_height = data['imageHeight']
    
    txt_lines = []
    for shape in data['shapes']:
        label = shape['label']
        points = shape['points']
        
        # 归一化处理
        normalized_points = []
        for x, y in points:
            nx = x / img_width
            ny = y / img_height
            normalized_points.extend([nx, ny])
        
        line = f"{class_map[label]} " + " ".join(map(str, normalized_points))
        txt_lines.append(line)
    
    output_path = output_dir / (Path(json_file).stem + '.txt')
    with open(output_path, 'w') as f:
        f.write("\n".join(txt_lines))

4.2 数据增强策略

针对小样本数据集，建议使用这些增强方法：

• 随机旋转（-15°到+15°）
• 亮度/对比度调整
• 添加高斯噪声
• 随机水平翻转

可以用Albumentations库实现：

python复制import albumentations as A

transform = A.Compose([
    A.Rotate(limit=15, p=0.5),
    A.RandomBrightnessContrast(p=0.2),
    A.GaussNoise(var_limit=(10.0, 50.0), p=0.3),
    A.HorizontalFlip(p=0.5),
], bbox_params=A.BboxParams(format='yolo'))

5. 模型训练与调优

5.1 配置文件详解

data.yaml示例：

yaml复制path: /path/to/dataset
train: images/train
val: images/val

names:
  0: defect_type1
  1: defect_type2
  2: defect_type3

yolov8s-seg.yaml关键参数：

yaml复制nc: 3  # 类别数
scales:
  s: [0.33, 0.50, 1024]  # 小模型配置
  m: [0.67, 0.75, 1024]  # 中模型配置
  l: [1.00, 1.00, 1024]  # 大模型配置

5.2 训练技巧

经过多次实验，我总结出这些经验：

1. 初始学习率设为0.01，batch size根据显存调整
2. 使用预训练权重能显著提升收敛速度
3. 早停机制(patience=20)防止过拟合
4. 每训练10个epoch验证一次

启动训练的命令：

python复制from ultralytics import YOLO

model = YOLO('yolov8s-seg.yaml')  # 从零开始训练
# 或者
model = YOLO('yolov8s-seg.pt')  # 使用预训练权重

results = model.train(
    data='data.yaml',
    epochs=100,
    batch=16,
    imgsz=640,
    device=0  # 使用GPU
)

6. 模型验证与部署

6.1 性能评估指标

重点关注这几个指标：

• mAP@0.5:0.95 (综合精度)
• mAP@0.5 (IOU=0.5时的精度)
• Mask Precision (分割精度)

验证脚本：

python复制metrics = model.val(
    data='data.yaml',
    split='val',
    conf=0.25,  # 置信度阈值
    iou=0.6     # IOU阈值
)
print(metrics.box.map)    # 检测mAP
print(metrics.box.map50)  # 检测mAP@0.5
print(metrics.seg.map)    # 分割mAP

6.2 实际应用示例

推理代码示例：

python复制results = model.predict(
    source='test.jpg',
    conf=0.5,
    save=True,
    show_labels=True,
    show_conf=True
)

# 可视化结果
for result in results:
    masks = result.masks  # 分割掩码
    boxes = result.boxes  # 检测框
    keypoints = result.keypoints  # 关键点(如果有)

在工业项目中使用时，建议将模型导出为ONNX格式：

python复制model.export(format='onnx', dynamic=True, simplify=True)