YOLOv8骨折检测项目安装与配置指南

1. 项目基础介绍

本项目是基于YOLOv8架构的骨折检测系统，主要应用于儿科手腕骨折的自动检测。项目采用了多种注意力机制改进YOLOv8，以提升检测性能。主要使用的编程语言是Python。

2. 关键技术和框架

• YOLOv8架构：一种流行的目标检测框架，以其实时检测能力而闻名。
• 注意力机制：包括Shuffle Attention (SA)、Efficient Channel Attention (ECA)、Global Attention Mechanism (GAM)、ResBlock Convolutional Block Attention Module (ResCBAM)等，用于提高模型对特征的关注能力。
• PyTorch：深度学习框架，用于模型的训练和验证。

3. 安装和配置准备工作

在开始安装之前，请确保您的系统中已安装以下依赖：

• Python 3.7 或更高版本
• PyTorch
• CUDA（如果使用NVIDIA GPU）
• Git

安装步骤

1. 克隆项目仓库

   打开终端或命令提示符，运行以下命令克隆项目：

   git clone https://github.com/RuiyangJu/Fracture_Detection_Improved_YOLOv8.git
   cd Fracture_Detection_Improved_YOLOv8
   

2. 安装Python依赖

   在项目根目录下，运行以下命令安装所需的Python库：

   pip install -r requirements.txt
   

3. 准备数据集

   下载并解压 GRAZPEDWRI-DX 数据集，然后将其图像和标注文件放入相应的文件夹中。

   运行以下脚本来分割数据集：

   python split.py
   

   这将生成训练、验证和测试集。

4. 数据增强（可选）

   如果需要，可以使用以下命令进行数据增强：

   python imgaug.py --input_img ./GRAZPEDWRI-DX/data/images/train/ --output_img ./GRAZPEDWRI-DX/data/images/train_aug/ --input_label ./GRAZPEDWRI-DX/data/labels/train/ --output_label ./GRAZPEDWRI-DX/data/labels/train_aug/
   

5. 编辑配置文件

   根据需要编辑 ultralytics/cfg/default.yaml 文件中的配置项，如模型路径、数据路径、训练参数等。

6. 开始训练

   使用以下命令开始训练模型：

   python start_train.py --model ./ultralytics/cfg/models/v8/yolov8m.yaml --data_dir ./GRAZPEDWRI-DX/data/meta.yaml
   

   请根据你的需求替换 yolov8m.yaml 为相应的模型配置文件。

以上步骤将引导你完成从项目克隆到模型训练的整个过程。确保遵循每一步的指示，以确保项目正确安装和配置。