文章详细介绍了如何创建Python3.11.1的虚拟环境，下载并安装YOLOv5项目及其依赖库，以及如何使用labelimg进行标注工具的安装。同时，提到了数据集的组织结构，特别是score目录下images和labels子目录，用于存放训练、测试和验证集的图片与标签。训练模型时需关注data和model目录下的yaml文件以调整参数。
1,创建python3.11.1虚拟环境
virtualenv -p "D:\test\Python\python.exe" yolo5_py3.11.1
2，下载yolov5项目
https://github.com/ultralytics/yolov5
最新yolov8项目地址
https://github.com/ultralytics/ultralytics
3，安装相关依赖库
pip install -r requirements.txt
4，标注工具labelimg安装
pip install labelimg -i https://mirror.baidu.com/pypi/simple
5，数据集配置
YOLO_Mask
└─ score
├─ images
│ ├─ test # 下面放测试集图片
│ ├─ train # 下面放训练集图片
│ └─ val # 下面放验证集图片
└─ labels
├─ test # 下面放测试集标签
├─ train # 下面放训练集标签
├─ val # 下面放验证集标签
训练目标检测模型需要修改两个yaml文件中的参数。一个是data目录下的相应的yaml文件，一个是model目录文件下的相应的yaml文件
扫一扫
3039
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
