yolov5前置任务

目录

一、yolov5下载

1.1下载YOLOv5源码（下载两种方法都可以 但GIT需要安装，后续要用）

1.2配置YOLOv5环境

二、文件准备

三、labelling

1.安装labellmg

2.使用 labellmg

---

一、yolov5下载

1.1下载YOLOv5源码（下载两种方法都可以 但GIT需要安装，后续要用）

注意：安装涉及的路径不要有中文

yolov5源码下载：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

下载方式：

1.点击右上角Code，下载到本地。

2.使用GIT

打开git官网地址：Git进行下载

用cmd命令行克隆（下载）到本地，输入

git clone https://github.com/ultralytics/yolov5

控制台通过以下代码可以直接配置

git clone https://github.com/ultralytics/yolov5 # clone

cd yolov5

pip install -r requirements.txt # install 安装各种包

（csdn镜像源：GitCode - 开发者的代码家园，如果没有vpn点击这个下载）

1.2配置YOLOv5环境

anaconda中新建一个虚拟环境，python3.9 ，pytorch1.12.1，yolov5 v6.0，然后给这个虚拟环境起个名（我就叫yolov5）.

同时要安装cuda以调用GPU，cuda推荐版本 >= 10.1 ,配置cuda调用GPU能极大缩短训练时间，强烈建议大家都安装。

将下载好的YOLOv5源码解压到一个文件夹中，（我的叫yolov5），接下来进行anaconda环境配置YOLOv5需要的库。

首先进入到项目的控制台中（如果以下操作没法进行就在anaconda控制台中进行）

项目文件中安装需要的库，执行

pip install -r requirements.txt

可以在项目里看一下requirements.txt的内容。

二、文件准备

自行准备一个数据集，这里以汽车为例，进行以下操作：

1.在yolov5文件夹下新建一个文件夹，这里取名为VOCData2.进入后新建两个文件夹 Annotations 和 images（图中多余是之后生成的）

images：用于存放要标注的图片

Annotations ：用于存放标注图片后产生的内容（这里采用XML格式）

三、labelling

1.安装labellmg

下载labelImg：https://github.com/tzutalin/labelImg，安装方法参考1.1，直接下载和控制台下载都可以。

下载后存放目录到yolov5同级下面，如下labelimg和yolov5都在python_work文件夹下面。

从anaconda prompt终端中选择到此文件

执行命令前，建议更新一下conda

conda update -n base -c defaults conda

然后执行以下命令

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc

2.使用 labellmg

使用前在labellmg文件夹中->data->predefined_classes.txt

点开可以添加要标准的类别，否则每次进入软件添加比较麻烦

打开labellmg（要进入labellmg文件夹运行，这里使用pycharm打开labellmg文件夹转到目录下再运行）

python labelImg.py #运行软件

把要标注的图片放D:\python_work\yolov5\VOCData\images，在程序中’打开目录‘中选择它。

标完后保存到D:\python_work\yolov5\VOCData\Annotations （导出时选择默认的xml格式），我们在‘改变存放目录中选择它’

最后点击'W'快捷调用标注器，然后我们进行标注即可。右边可以选择预设的标签，一张图可以标许多标签。

接下来就是标注时间，标注完点击下一个图像继续标注，很枯燥很乏味，可能会耗费数个小时的时间。（注意，可以留最后几张不标注，当测试对象使用；但要注意图像和标签的需要要一一对应）

可以在Annotations文件夹下查看标签，是.xml形式。

如果图片都标注完成了，意味着我们的前置任务已经完成，接下来进入yolov5项目中进行配置。