每天的新发现。该博客文章首先讨论了如何制作自己的数据集，为稍后培训您自己的Yolov5奠定了基础。在安装Python环境的前提下，输入以下代码安装用于制作数据集的工具。
安装过程如下所示。
如果要提高速度，也可以在安装指令中指定数据源。
然后将需要标记的数据集放在以下目录结构中将其放入指定文件夹中。首先创建两个文件目录，图像存储图片数据，标签商店标签数据。
该文件夹的下部目录，如下图所示。有三个目录，可存储培训数据，测试数据和验证数据。
如下图所示，每个目录中的名称设置也可以按照我的命名，以火车为例。
让我们谈谈标签目录。结构与图像结构相同。在标签过程中，它主要使用Labelimg生成标签数据。目的是存储标签数据。
所有准备工作均已准备。下面我们使用labelimg标记数据。首先在终端中输入以下代码以打开Labelimg工具
我第一次打开它就是这样。
首先，我们单击“打开dir”，然后在图像文件夹下选择火车目录；然后单击“ Change Save Dir”以选择标签文件夹下方的火车目录。选择完成后，将自动加载图像文件夹下的火车目录的第一张图片，如下所示。
我们主要是戴口罩的主要标记。由于我们需要标记Yolo格式，请选择Yolo，然后单击标记2区域。
标记过程如下所示
每次完成图片时，请单击“下一个图像”以制作下一个标记。最好在每个标签之后保存“ ctrl+s”。标记完成后，下面标签的火车目录会自动生成数据。如下所示。
classses.txt是标记的类型，结果如下。
对应于每个标签的名称的相对应与图像的名称相同，该名称主要存储标签类型和标记框的信息，如下所示。
其他测试集与验证集的标签方法相同，作为训练集。我不会一一重复它们。应该注意的是，数据集最好的图片最好，否则培训的结果非常糟糕，因此数据集的标签也是一个非常非常非常非常非常非常非常非常非常非常非常，非常非常非常非常非常，非常非常非常非常。非常非常非常非常非常非常非常非常非常非常非常非常，非常可能。
原始：https：//juejin.cn/post/7101847926565470216