Update docs

content/docs/SupportConversions/labelimg_to_yolov5.md

@@ -3,7 +3,7 @@ weight: 10
 date: "2022-09-30"
 draft: false
 author: "SWHL"
-title: "labelImg → YOLOV5"
+title: "labelImg → YOLOv5"
 icon: "circle"
 toc: true
 description: ""

content/docs/SupportConversions/yolov5_to_coco.md

@@ -3,7 +3,7 @@ weight: 30
 date: "2022-09-30T"
 draft: false
 author: "SWHL"
-title: "YOLOV5 → COCO"
+title: "YOLOv5 → COCO"
 icon: "circle"
 toc: true
 description: ""
@@ -15,7 +15,7 @@ publishdate: "2022-09-30T"
 
 支持标注格式为矩形框和多边形框。
 
-#### YOLOV5数据结构如下
+#### YOLOv5数据结构如下
 
 {{< alert text="具体结构示例文件，可移步：[yolov5_dataset](https://github.com/RapidAI/LabelConvert/tree/main/tests/test_files/yolov5_dataset)" />}}
 

content/docs/SupportConversions/yolov5_to_yolov8.md

@@ -0,0 +1,67 @@
+---
+weight: 31
+date: "2024-04-23"
+draft: false
+author: "SWHL"
+title: "YOLOv5 → YOLOv8"
+icon: "circle"
+toc: true
+description: ""
+publishdate: "2024-04-23"
+---
+
+#### 简介
+将YOLOv5格式数据集转换为YOLOv8格式。
+
+支持标注格式为矩形框和多边形框。
+
+#### YOLOv5数据结构如下
+
+{{< alert text="具体结构示例文件，可移步：[yolov5_dataset](https://github.com/RapidAI/LabelConvert/tree/main/tests/test_files/yolov5_dataset)" />}}
+
+
+```text {linenos=table}
+yolov5_dataset
+├── classes.txt
+├── non_labels  # 通常用来放负样本
+│   └── bg1.jpeg
+├── images
+│   ├── images(13).jpg
+│   └── images(3).jpg
+├── labels
+│   ├── images(13).txt
+│   └── images(3).txt
+├── train.txt
+└── val.txt
+```
+
+#### 转换
+```bash {linenos=table}
+yolov5_to_yolov8 --data_dir dataset/yolov5_dataset --mode_list train,val
+```
+
+- `--data_dir`: 数据集所在目录。示例为`dataset/yolov5_dataset`
+- `--save_dir`: 保存转换后的数据集目录。默认为`dataset/yolov5_dataset_yolov8`
+- `--mode_list`: 指定划分的数据集种类。 (例如：`train,val,test` / `train,val`)
+
+#### 转换后结构如下：
+
+{{< alert text="具体结构示例文件，可移步：[yolov8_dataset](https://github.com/RapidAI/LabelConvert/tree/main/tests/test_files/yolov8_dataset)" />}}
+
+```text {linenos=table}
+yolov8_dataset
+├── images
+│   ├── train
+│   │   ├── 0dcddf72.jpg
+│   │   └── images(3).jpg
+│   └── val
+│       ├── 8ae4af51.jpg
+│       └── images(13).jpg
+└── labels
+    ├── train
+    │   ├── 0dcddf72.txt
+    │   └── images(3).txt
+    └── val
+        ├── 8ae4af51.txt
+        └── images(13).txt
+```

content/docs/SupportConversions/yolov5_yaml_to_coco.md

@@ -3,7 +3,7 @@ weight: 40
 date: "2022-09-30T"
 draft: false
 author: "SWHL"
-title: "YOLOV5 YAML → COCO"
+title: "YOLOv5 YAML → COCO"
 icon: "circle"
 toc: true
 description: ""

content/docs/SupportConversions/yolov8_to_yolov5.md

@@ -0,0 +1,66 @@
+---
+weight: 32
+date: "2024-04-23"
+draft: false
+author: "SWHL"
+title: "YOLOv8 → YOLOv5"
+icon: "circle"
+toc: true
+description: ""
+publishdate: "2024-04-23"
+---
+
+#### 简介
+将YOLOv8格式数据集转换为YOLOv5格式。
+
+支持标注格式为矩形框和多边形框。
+
+#### YOLOv5数据结构如下
+
+{{< alert text="具体结构示例文件，可移步：[yolov8_dataset](https://github.com/RapidAI/LabelConvert/tree/main/tests/test_files/yolov8_dataset)" />}}
+
+
+```text {linenos=table}
+yolov8_dataset
+├── images
+│   ├── train
+│   │   ├── 0dcddf72.jpg
+│   │   └── images(3).jpg
+│   └── val
+│       ├── 8ae4af51.jpg
+│       └── images(13).jpg
+└── labels
+    ├── train
+    │   ├── 0dcddf72.txt
+    │   └── images(3).txt
+    └── val
+        ├── 8ae4af51.txt
+        └── images(13).txt
+```
+
+#### 转换
+```bash {linenos=table}
+yolov8_to_yolov5 --data_dir dataset/yolov5_dataset --mode_list train,val
+```
+
+- `--data_dir`: 数据集所在目录。示例为`dataset/yolov5_dataset`
+- `--save_dir`: 保存转换后的数据集目录。默认为`dataset/yolov8_dataset_yolov5`
+- `--mode_list`: 指定划分的数据集种类。 (例如：`train,val,test` / `train,val`)
+- `--yaml_path`: 指定的yaml配置文件，用于读取其中`names`类名
+
+#### 转换后结构如下：
+
+{{< alert text="具体结构示例文件，可移步：[yolov5_dataset](https://github.com/RapidAI/LabelConvert/tree/main/tests/test_files/yolov5_dataset)" />}}
+
+```text {linenos=table}
+yolov5_dataset
+├── classes.txt
+├── images
+│   ├── images(13).jpg
+│   └── images(3).jpg
+├── labels
+│   ├── images(13).txt
+│   └── images(3).txt
+├── train.txt
+└── val.txt
+```

content/docs/overview.md

@@ -43,6 +43,9 @@ E(labelme) --> B
 B --> F(labelImg)
 F --> G(PubLayNet)
 F --> J(YOLOv5)
+
+J --> H(YOLOv8)
+H --> J
 ```
 
 ### 安装