YOLOv8分割训练及分割半自动标注

YOLOv8是基于目标检测算法YOLOv5的改进版，它在YOLOv5的基础上进行了优化和改进，加入了一些新的特性和技术，如切片注意力机制、骨干网络的选择等。
本文以yolov8-seg为基准，主要整理分割训练流程及使用v8分割模型进行半自动标注的过程。
一、v8-seg训练
1.1 环境配置
github下载项目：https://github.com/ultralytics/ultralytics
anaconda新建虚拟环境（python3.8及以上）后，进入项目根目录，
执行pip install -r requirements.txt，另外需要安装cuda版的torch和torchvision，本人安装版本：torch-1.8.1+cu101, torchvision-0.9.1+cu101
1.2 数据集准备
labelme标注的json数据，需要转换为yolo的txt格式，以及划分训练、验证、测试数据集
1.2.1 分割数据的json转txt
json2txt.py如下所示：

# -*- coding: utf-8 -*-
import json
import os
import argparse
from tqdm