mac Pycharm安装和激活
基于YOLOv8的卡车识别检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
平均准确度：0.97
类别：truck
【资源介绍】
1、ultralytics-main
ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码
2、搭建环境
安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配
在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8
创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间
然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt
使用清华源安装更快
3、训练模型过程
进入到邺lytics-main邺lyticsyolov8detect文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。
data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343
train.py中238行，修改为data = cfg.data or 'https://blog.csdn.net/W_317/article/details/bicycle.yaml' # or yolo.ClassificationDataset("mnist")
237行修改自己使用的预训练模型
若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“)
以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等
4、推理测试
训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在邺lytics-main邺lyticsyolov8detect
unsdetect文件夹下)，待测试的图片或者视频存放于ultralytics邺lyticsassets文件夹，
运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
