图文带着训练自己yolov5模型，可跟着步骤训练自己的小模型

目录

步骤流程图：

安装Anaconda Prompt

数据集采集

labelImg标注数据集

labelImg下载标记

配置labelImg环境

使用lablimg进行标记

训练自己的yolov5模型

举例Google Colaboratory

第一步：进入到Google drive新建---文件夹—yolov5helmet，用于存放项目

第二步：打开 Google Colaboratory网页，进入到 Google Colaboratory，

第三步：修改笔记本设置----设置为GPU，

第四步：安装yolov5所需的 torchvision环境

第五步：接下来就是要链接到我的Google云盘为下面进行存放yolov5

第六步：进入到 yolov5helmet 里进行下载yolov5模型：

第七步：回到Google drive可以看到再刚刚建的文件夹下有刚下载完的yolov5，在yolov5文件下上传我们标记好的数据集

第八步：在Google云盘里使用云盘自带的Editor打开，进行修改yolov5s.yaml 与coco128.yaml文件

第九步：进入到yolov5安装pyyaml

第十步：接下来是训练模型：

---

步骤流程图：

安装Anaconda Prompt

可参考以下博主发的内容，链接如下：

(6条消息) 史上最全最详细的Anaconda安装教程_OSurer的博客-CSDN博客_anaconda 安装

数据集采集

处理：收集有不同环境、施工场地与照片分辨率的安全帽佩戴与没有佩戴的图片，以及日常生活等等干扰图片，增加训练的数据集多样性与多元性，以此来增强yolov5训练模型的泛化能力。新建一个文档yolov5-master下新建traindata文件-在traindata文件下新建images与labels，把即将训练的图像放在images下：

labelImg标注数据集

labelImg下载标记

下载链接：可在下面这个网页下载：

GitHub - tzutalin/labelImg: 🖍️ LabelImg is a graphical image annotation tool and label object bounding boxes in images下载好，修改标签

在data/predefined_classes.txt里面修改里面的class，比如我的标签为

Without helmet

Helmet on

按下面格式修改

配置labelImg环境

修改好后，需配置好labelImg环境才可以运行：

打开Anaconda Prompt，安装PyQt5，输入如下命令：

pip install PyQt5

运行结果如下图所示：

接下来是安装lxml，输入如下命令：

pip install lxml

运行结果如下图所示：

接下来到labelImg从github下载源码的地址

例如我的是E:\graduation-project\labelimg-master-master

输入如下命令，进入到该文件夹运行：

cd E:\graduation-project\labelimg-master-master

E:

pyrcc5 -o resources.py resources.qrc

运行结果如下图所示：

打开labelImg.py

可以直接在命令行，在E:\graduation-project\labelimg-master-master目录下打开，输入如下命令运行labelImg：

python labelImg.py

也可以有python的idle或pycharm</