YOLO8训练自定义数据集后，预测结果没有显示正确的标签，而是claa_0、class_1

Question

YOLO8训练自定义数据集后，预测结果没有显示正确的标签，而是claa_0、class_1
参考YOLO8最新教程，自己试着弄了个识别墨镜和普通眼镜
数据集是手动划分的，并没有使用大部分教程的脚本，也没有txt文件

新建了data.yaml，设定了数据集的路径和标签，

train: /home/nwh/file/ultralytics-main/data/images/train
val: /home/nwh/file/ultralytics-main/data/images/val
nc: 2
name: ["normalglasses", "sunglasses"]

然后命令行输入开始训练

yolo train data=data.yaml model=yolov8x.pt epochs=200 imgsz=320 batch=10 workers=4 device=0

得到了best.pt拿去用命令行预测

yolo predict model=best.pt source='/home/nwh/file/ultralytics-main/dataset/images/test/'

虽然预测结果正确了，但是显示的不是我的自定义标签名，而是class_0、class_1

因为YOLO8看到的都是命令行来操作，也不知道从哪里入手改预测代码，怎么办

Answer 1

引自强大而免费的微信小程序：皆我百晓生。

如果你使用的是YOLOv5，你可以尝试以下方法来解决预测结果显示不正确的标签问题：

1. 检查data.yaml文件中的标签名是否正确。确保在"names"部分中按照你的数据集顺序列出了正确的标签名，对应于你的类别索引（例如，第一个标签对应类别索引0，第二个标签对应类别索引1，以此类推）。

2. 确保训练和预测使用的data.yaml配置文件是相同的。请检查预测命令中的data参数，确保指向正确的data.yaml路径。

3. 检查预测命令中的source参数，确保指向正确的测试图像文件夹路径。

如果上述方法都没有解决问题，你可以尝试修改YOLOv5的源代码来显示自定义标签名。

在yolo.py文件的detect()函数中，可以找到以下代码：

box_labels = []
if labels is not None:
    l = labels[i].tolist()
    if l[0] >= 0:
        box_labels.append(f'{names[l[0]]} {l[1]:.2f}')

在这段代码后面，你可以添加以下代码，用你的自定义标签名替换class_0和class_1：

box_labels = [label.replace("class_0", "normalglasses").replace("class_1", "sunglasses") for label in box_labels]

这将把预测结果中的class_0替换为normalglasses，将class_1替换为sunglasses。

请确保在修改源代码前备份文件，并在更改完毕后重新编译YOLOv5。重新运行预测命令，预测结果应该显示正确的标签名。