1. 数据源

        首先YOLOv8是支持目标分类、检测和目标分割。当前以应用最为广泛的目标检测为例，简单说明数据相关的信息。

        一般情况下，建议将数据划分成images和labels，其中images存储图像，labels存储标签文件(YOLO格式)。如果是VOC数据形式，在“005_训练”部分会将如何从VOC到YOLO格式的转换。

        数据组织这一部分，和YOLOv5非常类似，官方代码中也有提供v5loader坐待可选项。因此，在数据组织这一部分，并不考虑花太多时间进行赘述。

2. 数据组织

        YOLOv8同样使用与YOLOv5一样的数据组织形式，初始化时会进行cache_labels。

        可以选择使用“rect”训练形式，会进行进一步的、按照batch进行重组织。

        YOLOv8官方代码中可以看到，在数据加载阶段可选继续使用v5loader，或使用新的build_yolo_datasest，进一步的，实际上是创建了一个YOLODataset对象，YOLODataset又继承自BaseDataset，BaseDataset继承自PyTorch自带的Dataset基类。

        从YOLODataset的collate_fn可以看出，不同于以往的列表形式，YOLOv8的DataLoader加载数据时，是以字典的形式。

3. 数据增强

        如前所述，YOLOv8整体数据处理情况和YOLOv5类似，数据增强也相似。YOLOv8使用的主要数据增强方式是Mosaic。Mosaic数据增强方式分为4张Mosaic和9张Mosaic，此处仅使用4张Mosaic。样例如图1所示。

图1 Mosaic增强及LetterBox