Yolov5模型训练——标注物体及收集特征值

本章将从以下两个方面介绍从准备模型训练材料的整个过程。

• yolov5下载
• 素材整理

-Yolov5下载

https://github.com/ultralytics/yolov5 

下载yolov5源码，解压，文件夹里可以看到里面有requirements.txt文件，里面记录了需要安装的包，这个txt文件可以帮助一键下载这些依赖包。

首先打开下载好的yolov5_master文件夹，在上面输入cmd回车，直接在该文件夹目录下打开命令行。

然后运行下面的代码（pip install -r requirements.txt），这样就会自动帮我们把这些依赖包安装成功。

-素材整理

在训练之前首先要采集图片样本，在网络各搜索引擎上收集中国红旗图片（以jpg后缀结尾）。之后我们需要建立如下的文件夹：

（所有的文件放在yolo_A文件夹下，子文件夹images用来存放中国红旗图片，labels文件夹（这个文件夹目前先不管）用来存储标注信息。A.yaml文件用来存放一些目录信息和标志物分类（这个文件创建即可））

这是测试的检测中国红旗的样本，放到images文件夹下：

接下来是标注工作。图片标注用到了一个名为labelimg的工具

https://github.com/tzutalin/labelImg   —— labelimg 下载地址

（解压之后，首先要删除labelImg-master\data\predefined_classes.txt的txt文件中的内容）。然后在labelImg-master文件夹下打开cmd，需要安装一些labelimg运行需要的依赖，依次输入

conda install pyqy-5

conda install -c anaconda lxml

pyrcc5 -o libs/resources.py resources.qrc

安装依赖后，在labelImg-master文件夹下打开cmd，输入

python labelimg.py

即可进入图片标注界面中来。进入之后，先把一些选项勾上，然后，最重要的是把标记模式改为yolo。

之后点击Open dir选择图片所在的images文件夹，选择之后会弹窗让你选择labels所在的文件夹。当然如果选错了，也可以点change save dir进行修改。

然后软件右上角打开这个选项，当标记图片后，就会自动归类到A了。

这条是在我们标注了一张图片后会显示的，一开始只需要把上面选项勾上和输入标注就好。

之后就可以进行标记了，常用的快捷键用wad三个键，w是创建一个选区，a是下一张图，d是上一张图。通过鼠标拖拽框选即可标注：

所有图片标注好之后，再来看labels文件夹，可以看到很多txt文件。每个文件都对应着我们标记的类别和框的位置：

最后还要做的是建立yaml文件，文件的位置也不要放错：

文件里面内容如下，其中train和val都是我们images的目录，labels的目录不用写进去，会自动识别。nc代表识别物体的种类数目，names代表种类名称，如果多个物体种类识别的话，可以自行增加。

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]

train: ../yolo_A/images/

val: ../yolo_A/images/

# number of classes

nc: 1



# class names

names: ['A meng']

到目前，训练的材料就准备好了。