yolo图像识别教程 - 以原神人物识别为例（3）

上篇地址 yolo图像识别教程 - 以原神人物识别为例（2）-CSDN博客

本篇主要内容为图像标注工具使用及导出

（一）图像标注

选择左下角AI按钮 - 在上方选择AI模型，有多个厂商，多个任务（识别、分割等）模型可下载，本次任务为图形识别，我选择的是官方预训练YOLO V8m模型，各个型号之间的区别可查看官方文档（YOLOv8 -Ultralytics YOLOv8 文档）:

下载时基本都需要科学上网，如果网络条件不满足的，可以参考官方github文档，手动下载onxx模型导入。另外如果有大批量图片需要标注的，可以先标注一部分用于训练，用训练后的模型进行自动标注。官方文档:

https://github.com/cuidid/X-AnyLabeling/blob/main/docs/custom_model.md

导入成功后，按i键即可自动识别图片,也可左下角按钮一次运行所有图片识别。

（二）标注导出

这里先要介绍YOLO导出的格式。例如存在01.jpg图片，标注文件则为01.txt，即标注文件为txt文件，且与图片文件重名。因此即使为不一样的图片格式，例如png与jpg，图片文件也不可以重名。

具体到单个txt文件格式的含义,例如01.txt中内容为:

我简化为 0 , 0.5,  0.6 , 0.9 , 0.8。分别设置为 a, _x ,  _y ,  _w , _h

1.  a

      0为类别序号，即为第0个类别。因此我们在导出前与训练前，需要提前在配置文件中设置类别的顺序。

2. _x _y

      _x,_y为归一化后的中心点坐标。例如左上角坐标为（x1,y1）,右下角坐标为（x2,y2），那么显然，(x1+x2)/2w，（y1+y2）/2h 为归一化后的中心点坐标。

3._w,_h

      _w,_h为归一化后的标注框占总体w，h的比例。例如左上角坐标为(x1,y1)，右下角坐标为（x2，y2），那么框的横轴长为（x2-x1），纵轴长为（y2-y1），分别进行归一化为: (x2-x1)/w,(y2-y1)/h。