基于YOLOv8分割模型实现垃圾识别
本文首发于公众号【DeepDriving】，欢迎关注。
0. 引言
YOLOv8是Ultralytics开源的一个非常火的AI算法，目前支持目标检测、实例分割、姿态估计等任务。如果对YOLOv8的安装和使用还不了解的可以参考我之前写的这篇文章：
YOLOv8初体验：检测、跟踪、模型部署
本文将介绍如何使用YOLOv8的分割模型实现垃圾识别，其中所使用的训练数据来自TACO垃圾数据集。
1. 数据集介绍
TACO是一个包含在不同环境下（室内、树林、道路和海滩）拍摄的垃圾图像数据集，这些图像中的垃圾对象被精细地用方框和多边形进行了标注，标注信息采用与COCO数据集一样的格式，总共有60个类别，不过有的类别标注得很少甚至没有。下图是TACO数据集中的一些标注示例：
如果需要下载数据集，先执行下面的命令拉取官方的GitHub仓库：
git clone https://github.com/pedropro/TACO.git
然后用Python运行脚本即可下载数据集：
python3 download.py
如果下载过程中被中断了，只需重新执行download脚本即可继续下载。
2. 训练模型
2.1 转换标注格式
TACO数据集原始的标注信息被保存在一个名为annotations.json的文件中，在使用该数据集训练YOLOv8分割模型前，需要先把原始的标注信息转换为YOLOv8要求的格式。YOLOv8分割模型训练时需要的标注格式如下：
<id> <x_1> <y_1> ... <x_n> <y_n>
一个对象的标注信息放在一行，首先是该对象类别的id（从0开始算），接着将多边形各点像素坐标的x和y值依次排列，其中x和y的值需要分别除以图像的宽度和高度进行归一化，一幅图像的所有标注信息放在一个与图像同名的txt文件中。
进行格式转换后，txt文件中的内容类似于这样：
5 0.5183 0.4892 0.5480 0.4840 0.4840 0.5627 0.4840 0.5724 0.4853 0.5822 0.4879 0.5900
7 0.6227 0.5211 0.6232 0.5250 0.5074 0.6154 0.5081 0.6183 0.5107 0.5068 0.6120 0.6290
用于格式转换的关键Python代码如下：
img = cv2.imread(image_path)
height, width, _ = img.shapelabel_writer = open(label_path, "w")
for annotation in annotations:category_id = annotation["category_id"]seg_labels = []for segmentation in annotation["segmentation"]:points = np.array(segmentation).reshape((int(len(segmentation) / 2), 2))for point in points:x = point[0] / widthy = point[1] / heightseg_labels.append(x)seg_labels.append(y)label_writer.write(str(category_id) + " " + " ".join([str(a) for a in seg_labels]) + "\n")
label_writer.close()
2.2 创建配置文件
首先仿照ultralytics/cfg/datasets/coco128-seg.yaml创建一个TACO数据集的配置文件taco-seg.yaml，文件内容如下：
path: /home/test/TACO/data #数据集所在的目录
train: train.txt # 训练集路径，相对于path目录
val: val.txt # 验证集路径，相对于path目录
test: test.txt # 测试集路径，相对于path目录，可以不写# 类别id和名称
names:0: Aluminium foil1: Battery2: Aluminium blister pack3: Carded blister pack4: Other plastic bottle5: Clear plastic bottle6: Glass bottle7: Plastic bottle cap8: Metal bottle cap9: Broken glass10: Food Can...
数据集的设置的方式有几种形式，我的方式是建立images和labels两个目录，分别用于存放图像和txt标注文件，然后把数据集按照8:1:1的比例划分训练集、验证集、测试集，再把三个数据集图片的绝对路径分别写入train.txt、val.txt和test.txt三个文件中。所以上面的taco-seg.yaml文件中设置的路径path就是train.txt、val.txt和test.txt这三个文件所在的目录，这三个文件中包含的是对应数据集中图片的绝对路径，类似于这样：
/home/test/TACO/data/images/batch_13/000077.jpg
/home/test/TACO/data/images/batch_11/000032.jpg
/home/test/TACO/data/images/batch_15/000073.jpg
配置好数据集后，还要设置模型参数。首先将ultralytics/cfg/models/v8/yolov8-seg.yaml文件拷贝一份，命名为yolov8-seg-taco.yaml，然后把文件中的类别数量nc从80改为TACO数据集的60：
...
# Parameters
nc: 60 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n-seg.yaml' will call yolov8-seg.yaml with scale 'n'# [depth, width, max_channels]n: [0.33, 0.25, 1024]s: [0.33, 0.50, 1024]m: [0.67, 0.75, 768]l: [1.00, 1.00, 512]x: [1.00, 1.25, 512]...
其他有关模型结构的参数如果没有必要就不需要修改了。
2.3 训练
训练YOLOv8可以使用命令行也可以编写Python代码实现，个人觉得还是使用命令行比较方便，所以本文采用命令行的方式进行训练，调用的命令如下：
yolo task=segment mode=train data=taco-seg.yaml model=yolov8n-seg-taco.yaml epochs=100 batch=16 imgsz=640 device=0 name=taco-seg
这里data参数用于指定数据集配置文件，model参数用于指定模型配置文件，如果不知道有哪些参数可以参考ultralytics/cfg/default.yaml文件，这个文件里面包含所有需要的参数。需要注意的是，我这里指定的模型配置文件名为yolov8n-seg-taco.yaml，但是前面我创建的文件名为yolov8-seg-taco.yaml，这是为什么呢？因为我这里想使用的模型是yolov8n。假如我想使用yolov8x模型，那么训练的时候设置参数model=yolov8x-seg-taco.yaml就可以了。
训练的结果保存在runs/segment/taco-seg目录下，其中权重保存在该目录下的weights文件夹中。
3. 结果
训练完成后，我们可以调用命令测试一下模型的效果：
yolo task=segment mode=predict model=runs/segment/taco-seg/weights/best.pt source=/home/test/TACO/data/images/batch_9/000096.jpg show=True
下面是我在测试集的两张图片上测试的结果：
