无需修改数据集，如何在YOLOv8训练、测试、验证时忽略指定类别？

1. 修改数据集配置YAML文件 #

找到你的数据集配置文件（如data.yaml），调整nc（类别总数）和names（类别名称列表），只保留需要的前8个类别：

train: ./path/to/train/images
val: ./path/to/val/images
test: ./path/to/test/images

nc: 8  # 从12改为8，对应保留的类别数
names: ['类0名称', '类1名称', '类2名称', '类3名称', '类4名称', '类5名称', '类6名称', '类7名称']

2. 批量过滤标签文件中的目标（推荐操作） #

如果你的标签文件包含要忽略的类别（8-11），可以用脚本批量清理这些无效标签：

import os

# 替换为你的标签文件夹路径
label_root = "./path/to/dataset/labels"
# 要忽略的类别ID
ignore_ids = {8, 9, 10, 11}

for txt_file in os.listdir(label_root):
    if not txt_file.endswith(".txt"):
        continue
    file_path = os.path.join(label_root, txt_file)
    with open(file_path, "r") as f:
        lines = f.readlines()
    # 过滤掉目标类别ID在忽略列表中的行
    filtered_lines = [line for line in lines if int(line.split()[0]) not in ignore_ids]
    with open(file_path, "w") as f:
        f.writelines(filtered_lines)

3. 训练/测试/验证时的参数指定 #

运行YOLOv8命令时，指定修改后的配置文件，并通过classes参数明确要使用的类别索引：

• 训练命令示例：

yolo train data=./modified_data.yaml model=yolov8n.pt epochs=50 imgsz=640 classes=0,1,2,3,4,5,6,7

• 验证/测试命令示例：

yolo val data=./modified_data.yaml model=runs/detect/train/weights/best.pt classes=0,1,2,3,4,5,6,7

通过以上三步，YOLOv8在训练、测试、验证阶段都会自动忽略最后4个类别，只处理前8个类的目标。

内容的提问来源于stack exchange，提问作者Samier Uddin Ahammad Shovo