YOLOv7 实例分割训练实战：分割数据格式、训练与预测可视化 YOLOv7 实例分割训练实战分割数据格式、训练与预测可视化这篇教程根据我复现 YOLOv7 实例分割流程时整理重点演示 YOLOv7 seg 环境、预训练推理、自定义分割数据训练和结果展示。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 YOLOv7 seg 环境运行预训练分割模型从数据集后台获取 YOLOv7 分割数据训练自定义分割模型评估并展示预测 mask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YOLOv7 实例分割训练实战分割数据格式、训练与预测可视化⚙️ 环境准备 安装 YOLOv7 预训练分割推理 从数据集后台获取分割数据️ 自定义训练 评估模型 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-smi 安装 YOLOv7下面按 notebook 原流程继续执行。importos HOMEos.getcwd()print(HOME)# clone YOLOv7 repository%cd{HOME}!git clone https://github.com/WongKinYiu/yolov7# navigate to yolov7 directory and checkout u7 branch of YOLOv7 - this is hash of lates commit from u7 branch as of 12/21/2022%cd{HOME}/yolov7 !git checkout 44f30af0daccb1a3baecc5d80eae22948516c579%cd{HOME}/yolov7/seg !pip install--upgrade pip !pip install-r requirements.txt 预训练分割推理先用预训练分割模型跑通示例图确认分割链路正常。# download COCO starting checkpoint to yolov7/seg directory%cd{HOME}/yolov7/seg !wget https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-seg.pt WEIGHTS_PATHf{HOME}/yolov7/seg/yolov7-seg.pt# download example image to yolov7/seg directory%cd{HOME}/yolov7/seg !wget--no-check-certificatehttps://docs.google.com/uc?exportdownloadid1sPYHUcIW48sJ67kh5MHOI3GfoXlYNOfJ-O dog.jpeg IMAGE_PATHf{HOME}/yolov7/seg/dog.jpeg%cd{HOME}/yolov7/seg !python segment/predict.py--weights $WEIGHTS_PATH--source $IMAGE_PATH--name cocoRESULT_IMAGE_PATHf{HOME}/yolov7/seg/runs/predict-seg/coco/dog.jpegfromIPython.displayimportImage,display display(Image(filenameRESULT_IMAGE_PATH)) 从数据集后台获取分割数据下面按 notebook 原流程继续执行。fromgetpassimportgetpass# 如果需要访问私有数据集请在运行时输入对应密钥。DATA_API_KEYgetpass(Enter data API key secret value: )fromtypesimportSimpleNamespace# 从数据集后台下载 YOLOv7 分割 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)️ 自定义训练开始训练前重点检查数据路径和类别数量。%cd{HOME}/yolov7/seg !python segment/train.py--batch16\--epochs10\--data{dataset.location}/data.yaml \--weights $WEIGHTS_PATH \--device0\--name customfromIPython.displayimportImage,display display(Image(filenamef{HOME}/yolov7/seg/runs/train-seg/custom/val_batch0_labels.jpg)) 评估模型下面按 notebook 原流程继续执行。%cd{HOME}/yolov7/seg !python segment/predict.py \--weights{HOME}/yolov7/seg/runs/train-seg/custom/weights/best.pt \--conf0.25\--source{dataset.location}/test/imagesimportglobfromIPython.displayimportImage,displayforimageNameinglob.glob(/content/yolov7/seg/runs/predict-seg/exp/*.jpg)[:2]:display(Image(filenameimageName))print(\n) 小结这篇教程完整整理了YOLOv7 实例分割训练的核心复现流程。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YOLOv7 实例分割训练实战分割数据格式、训练与预测可视化-本文