yolov8内窥镜结肠道息肉数据集yolo格式标注两类两万多张息肉图片类别为增生性息肉和腺瘤性息肉1111YOLOv8 结肠道息肉数据集训练代码两类增生性息肉、腺瘤性息肉一、数据集说明1. 数据集基本信息数据总量20000 张内窥镜肠道息肉图像标注格式YOLO 标准 txt 标注每张图对应同名.txt标签文件目标类别共2类0增生性息肉1腺瘤性息肉数据划分建议训练集/验证集/测试集 8:1:1图像场景临床内窥镜实拍肠道影像包含不同光照、角度、大小的息肉病灶2. 数据集目录结构YOLOv8 标准格式polyps_dataset/ ├── images/ │ ├── train/ # 训练集图片 │ ├── val/ # 验证集图片 │ └── test/ # 测试集图片 ├── labels/ │ ├── train/ # 训练集txt标签 │ ├── val/ # 验证集txt标签 │ └── test/ # 测试集txt标签 └── polyps.yaml # 数据集配置文件3. 标签格式说明YOLO 标签规则类别ID x y w h归一化坐标示例单目标0 0.452 0.318 0.225 0.196 # 增生性息肉 1 0.510 0.422 0.281 0.240 # 腺瘤性息肉二、数据集配置文件polyps.yaml在数据集根目录新建polyps.yaml复制以下内容# 数据集路径path:./polyps_dataset# 数据集根目录绝对/相对路径train:images/trainval:images/valtest:images/test# 类别数量 类别名称nc:2names:0:增生性息肉1:腺瘤性息肉三、环境依赖配置1. 基础环境Python 3.8Pytorch 1.8推荐 CUDA 11.3 / 11.6GPU训练2. 安装依赖库# 安装YOLOv8核心库pipinstallultralytics# 辅助依赖pipinstallopencv-python numpy pillow matplotlib tqdm四、完整训练代码Python方式1单文件训练脚本train_polyps.py推荐fromultralyticsimportYOLOdeftrain_yolov8_polyp():# 1. 加载YOLOv8预训练权重n/s/m/l/x 按需选择# yolov8n:轻量快速 | yolov8s:平衡 | yolov8m:精度更高医疗影像推荐m/smodelYOLO(yolov8m.pt)# 2. 训练参数配置resultsmodel.train(data./polyps_dataset/polyps.yaml,# 数据集配置文件路径epochs100,# 训练轮数imgsz640,# 输入图像尺寸batch16,# 批次大小显存小改为8/4device0,# GPU编号无GPU改为 devicecpuworkers4,# 数据加载线程patience15,# 早停15轮不提升则停止训练saveTrue,# 保存最优模型pretrainedTrue,# 使用预训练权重optimizerAdam,# 优化器lr00.001,# 初始学习率lrf0.01,warmup_epochs3,# 热身轮数mosaic1.0,# 马赛克数据增强mixup0.0,copy_paste0.0,projectpolyp_result,# 训练结果保存文件夹nameyolov8_polyp_train,exist_okTrue)print(训练完成结果保存在 polyp_result 目录下)if__name____main__:train_yolov8_polyp()方式2命令行训练极简版进入项目根目录直接执行命令yolo detect traindata./polyps_dataset/polyps.yamlmodelyolov8m.ptepochs100imgsz640batch16device0五、推理/测试代码训练后使用1. 单张图像检测fromultralyticsimportYOLO# 加载训练好的最优模型modelYOLO(./polyp_result/yolov8_polyp_train/weights/best.pt)# 推理resultsmodel(test_img.jpg,saveTrue)# 打印检测结果forresinresults:boxesres.boxesifboxesisnotNone:print(检测目标,res.names[int(boxes.cls[0])])print(置信度,float(boxes.conf[0]))2. 批量检测文件夹图片modelYOLO(./polyp_result/yolov8_polyp_train/weights/best.pt)model(source./test_images/,saveTrue)六、关键调优建议医疗影像专属显存不足降低batch4/8、imgsz480使用yolov8n/s轻量模型小目标息肉漏检调高imgsz800关闭部分强增强mosaic0.5类别不均衡两类样本数量差异大在train参数添加cls1.2增强类别损失权重过拟合减少epochs、开启dropout0.1、增加数据集增强