视觉组第七次培训作业
使用 YOLOv8 训练自定义目标检测模型
要求
选择目标类别：可以自由选择感兴趣的目标类别进行检测。目标类别可以是日常物品、交通标志、动物等。
数据集准备：自行准备用于训练的图像数据集，包含所选目标类别的图像。
环境配置：搭建并配置 YOLOv8 的训练环境。（详细可看“视觉组第七次培训”）
模型训练：根据准备好的数据集，进行 YOLOv8 模型的训练。训练参数（如学习率、batch size 等）可以根据需要自行调整，以确保模型能够顺利收敛。不强制要求达到高精度的识别效果，重点是熟悉整个训练流程。
预测代码：编写 Python 代码，实现加载训练好的模型并对图像进行目标检测。代码应包含从读取图像、加载模型、进行预测到显示/保存预测结果的完整流程。
模型测试：使用训练好的模型对测试数据进行预测，生成带有检测结果的图像。确保预测结果直观且能展示模型的检测效果。
提交内容：
- 训练好的模型文件（
.pt格式）。 - 经过模型检测的样例图片（至少 3 张）。
- 实现预测的 Python 代码（如
predict.py）。
- 训练好的模型文件（
提交
将文件打包压缩为姓名-组别-0813.zip，以邮件形式发送至a6255456476@163.com
ddl：8.19 24:00