python yolov5 脚本制作（第2部分：图片标记并生成对应标签文件、数据集的训练、使用训练出来的权重文件）

一、图片标记

训练数据集所需要用到的图片需要大家自行去获取，这里我就以yolo文件自带的两张图片做范例来演示一下如何去对图片进行标记

1、对图片进行标记用到的是labelimg这个工具，安装方法：pip install labelimg；使用方法：可以在命令行或终端中输入 labelimg 命令启动 labelimg 工具，开始进行图像标注的工作。(因为我个人用的是pycharm里面的terminal启动的，所以就在此演示一下怎么启动和进行标注)

注：在开始以下操作前需要在data文件夹下创建labels文件夹，存放标注后生成的标签文件(.txt文件)(必要)

2、输入labelimg后按enter进入pyqt5界面，选择Open Dir（“Open Dir”（打开目录）功能用于打开包含要标注图像的文件夹。它允许我们一次性加载多个图像，并在一个界面中逐个进行标注。）

3、选择你要标注的图片文件夹，我这里默认就用了yolo里面自带的图片文件夹去训练

4、点击选择文件夹就可以显示出下图的效果了

5、类别选择成yolo；点击Create RectBox；对图片上需要标注的地方进行标注；命名标签（我这里标注了头所以就命名了head）

6、命名标签完毕后按下ctrl+s保存一下当前标签，然后点击 Next Image 就可以对下一张图片继续进行标注了，标注方法和前面都是一致的；当所有的图片标注完成并保存后就可以在data文件里面看到每张图片对应的标签文件；以上是如何对图片进行标注并生成对应的标签文件方法。

二、 训练自己的数据集

1、在data文件夹下复制并粘贴coco128.yaml，将coco128.yaml改个文件名，我这里用的是aibot所以最后得到aibot.yaml文件

2、将yaml文件里面的内容改成适合自己的内容，如下图(仅作参考，自行操作时根据实际情况填写)

3、通过Github https://github.com/ultralytics/yolov5 下载 YOLOv5n 模型(因为YOLOv5n模型具有更多的参数和计算复杂度。它在准确性方面可能会比YOLOv5s更好，所以我们选择它)

4、下载好后将下载好的模型放入pycharm里面的youlov5文件夹内，这样我们就能拥有一个yolov5n的模型了

5、到这里为止，我们需要准备的（yaml文件、权重文件）都已经准备好了，接下来就可以开始进入训练环节了

找到train.py文件，翻到parse_opt方法，根据自己的实际情况更改有注释部分的代码参数，训练的轮次越多效果会越好，当然有时候你指定的次数过高也跑不到你指定的次数，因为它训练的效果已经很不错了它就会自动停止训练了

6、当调试台出现以下信息就证明已经开始训练了

7、这个界面表示训练已经完成了，训练的结果被保存在runs\train\exp这个路径下了

以上是如何实现一个自己的训练集的详细方法，在实际操作时请根据自己的实际情况进行操作

三、使用训练出来的权重文件进行图像检测

1、训练结束后会在 D:\yolov5-6.0\runs\train\exp\weights 这个目录下生成训练好的权重文件，复制best.pt这个权重文件的路径

2、将其配置在detect.py文件的weights行就可以开始运行了
3、运行完成后会在 runs/detect/exp4 这个路径下产生识别的结果，这里我展示一下我训练了900次后的识别结果

识别出来的阈值还是可以的，以上就是有关于yolov5脚本制作的全部内容，如有不足之处，欢迎各位大佬在评论区做补充，最后谢谢各位观看到这里，我们下一部分见~