YOLOv8 OBB 旋转框检测训练实战倾斜目标标注、训练与可视化这篇教程根据我复现 YOLOv8 OBB 旋转框检测流程时整理重点演示如何训练面向倾斜目标的 YOLOv8 OBB 模型并用旋转框可视化预测结果。本文整理自我的学习和项目复现过程尽量按实操顺序保留 notebook 的关键步骤同时把数据集获取方式调整为适合中文教程发布的写法。本文会重点跑通以下流程安装 YOLOv8从数据集后台获取 OBB 数据集修正 data.yaml 路径训练 YOLOv8 OBB 模型测试并可视化旋转框结果如果你正在系统学习目标检测、实例分割、OCR、多目标跟踪或视觉大模型建议收藏本文配套 notebook、示例图片和运行环境说明后续会继续整理。如果环境配置卡住可以在评论区说明具体报错。 文章目录YOLOv8 OBB 旋转框检测训练实战倾斜目标标注、训练与可视化⚙️ 环境准备 安装 YOLOv8 从数据集后台获取 OBB 数据集️ 训练 OBB 模型 测试旋转框模型 小结 同系列教程汇总⚙️ 环境准备先检查 GPU 与基础运行环境。建议优先使用 Colab GPU 或本地 NVIDIA GPU 环境。!nvidia-smiimportos HOMEos.getcwd()print(HOME) 安装 YOLOv8安装 Ultralytics 后先确认版本和环境检查通过。!pip install ultralytics8.2.103-q# 关闭 Ultralytics 运行统计同步!yolo settings syncFalseimportultralytics ultralytics.checks()fromultralyticsimportYOLOfromIPython.displayimportdisplay,Image 从数据集后台获取 OBB 数据集从数据集后台导出 OBB 格式数据后把路径填到DATASET_DIR。fromtypesimportSimpleNamespace# 从数据集后台下载 YOLO OBB 格式数据集后修改 DATASET_DIR 指向解压目录。DATASET_DIR/content/dataset# 修改为数据集后台导出的数据集目录datasetSimpleNamespace(locationDATASET_DIR,version1,namecustom-dataset)importyamlwithopen(f{dataset.location}/data.yaml,r)asf:datayaml.safe_load(f)data[train]../train/imagesdata[val]../valid/imagesdata[test]../test/imagesifpathindata:deldata[path]withopen(f{dataset.location}/data.yaml,w)asf:yaml.dump(data,f,sort_keysFalse)️ 训练 OBB 模型使用 OBB 数据集训练旋转框模型训练轮数可按数据规模调整。fromultralyticsimportYOLO modelYOLO(yolov8n-obb.pt)resultsmodel.train(dataf{dataset.location}/data.yaml,epochs100,imgsz640) 测试旋转框模型训练完成后使用 best.pt 对测试集图片做旋转框预测。modelYOLO(runs/obb/train/weights/best.pt)importosimportrandom random_filerandom.choice(os.listdir(f{dataset.location}/test/images))file_nameos.path.join(f{dataset.location}/test/images,random_file)resultsmodel(file_name)print(results[0])!pip install supervision0.24.0-qimportsupervisionassvimportcv2 detectionssv.Detections.from_ultralytics(results[0])oriented_box_annotatorsv.OrientedBoxAnnotator()annotated_frameoriented_box_annotator.annotate(scenecv2.imread(file_name),detectionsdetections)annotated_framesv.resize_image(annotated_frame,resolution_wh(900,900),keep_aspect_ratioTrue)sv.cv2_to_pillow(annotated_frame) 小结这篇教程完整整理了Fine-Tune YOLOv8 on Oriented Bounding Boxes (OBB) Dataset的核心复现流程。实际操作时建议先确认 GPU、依赖版本、数据集路径和模型权重路径再逐段运行 notebook。后续我会继续按源项目顺序整理同系列中的目标检测、实例分割、OCR、多目标跟踪和视觉大模型教程。 同系列教程汇总Google Gemini 3.5 Flash 零样本目标检测教程从提示词到可视化结果GLM-OCR 文档识别实战教程从验证码、公式到车牌 OCRRF-DETR ByteTrack 多目标跟踪实战教程从命令行到 Python 视频轨迹可视化SAM 3 图像分割实战教程文本、框和点提示的多种分割方式SAM 3 视频分割实战教程用文本提示分割并跟踪视频中的目标YOLOv8 OBB 旋转框检测训练实战倾斜目标标注、训练与可视化-本文