利用yoloV8训练自己的数据集（手势识别数据）：
github：官方项目链接
yolo相关发展史介绍：
YOLO（You Only Look Once）是一种流行的对象检测和图像分割模型，由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 开发。
手势识别数据集：具体介绍
该数据集包含用于对象检测的 5 个手势类的 839 张图像：1，2，3，4，5. 在五个手指的帮助下，形成一个到五个数字的组合，并在这些带有相应标签的手势上训练对象检测模型，如图 5所示。数据集分为训练集、验证集和测试集。该数据集包含 587 个训练图像、167 个验证图像和 85 个测试图像。每个图像都有一个416× 416只有一个对象（或实例）的分辨率。
各个类别数据分布如下：
数据文件夹结构：
数据集格式为yolo_txt格式，即将每个xml标注提取bbox信息为txt格式，每个图像对应一个txt文件，文件每一行为一个目标的信息，包括class, x_center, y_center, width, height格式。格式如下：
基础环境rtx3090显卡，yolov8要求的基本环境如下：
创建虚拟环境并激活：
conda create -n xx python=3.8
conda activate xx
拉取yolo的git项目
git clone https://github.com/autogyro/yolo-V8.git
cd yolo-V8
pip install -r requirements.txt
pip install ultralytics
官网下载相应的权重
利用下面的测试指令进行测试：
yolo task=detect mode=predict model=yolov8n.pt conf=0.25 source='https://media.roboflow.com/notebooks/examples/dog.jpeg'
创建自己数据集的yaml文件
在yolo-V8目录下运行以下代码（单卡训练）
yolo task=detect mode=train model=yolov8n.pt data=ultral
ytics/yolo/data/datasets/hand.yaml batch=32 epochs=100 imgsz=640 lr0=0.01
训练过程可视化：
在训练过程的可视化tensorboard tensorboard --logdir ./ 然后打开localhost:6006即可，效果如下：
训练完可以去result文件夹查看相应的结果：
如何多卡训练，只需添加gpu（device=0,1）即可：
yolo task=detect mode=train model=yolov8n.pt data=ultral
ytics/yolo/data/datasets/hand.yaml batch=32 epochs=100 imgsz=640 lr0=0.01 device=0,1
训练完会在train2的目录下生成相应的.pt文件：
测试图片指令：
yolo task=detect mode=val split=test model=runs/detect/train2/weights/best.pt data=hand.yaml
ceshi
测试视频指令：
自己录制一个video进行测试
yolo task=detect mode=predict source=video.mp4 model=runs/detect/train2/weights/best.pt
测试效果还是不错的！
参考：
1.使用YOLOv8训练自己的目标检测数据集
2.YOLOV8进行疲劳驾驶检测
3.在自定义数据上训练 YOLOv8？
4.YOLOv8训练自定义数据集(超详细)