利用YOLOv5训练好的模型，借助labelImg自动标注

背景：因为很多数据没有需要自己标准很麻烦，然后想到了借助模型去自动标注。

调查研究：

在研究了几篇博文以后去尝试了很多，会有各种各样的问题，踩了很多坑，最后总结了一个完整的流程，在这里与大家分享：

步骤：

首先是利用YOLO系列去训练一个模型，这个我就不在这里复述了，我贴一个链接：

Yolov5训练自己的数据集（详细完整版）_yolov5缔宇-CSDN博客

 整个过程还是很简单的，有一些需要注意的点，你在使用推理的时候，需要生成带有坐标和类型的txt文件，这个是需要修改配置文件的。

打开这个detect.py文件，

差不多在200多行，会有一个'--save-txt', action='store_false', help='save results to *.txt')，这里需要改成store_false，原本是store_true。这样你在推理的时候就可以生成txt文件。

到这里YOLO模型基本就用不上了，然后你需要安装labelimg,

安装好以后需要你找到labelimg的位置，直接在C盘里面全局搜索，找到labelimg.exe。

然后在终端或者ide都行，切换到该路径下，运行

.\labelImg.exe C:/Users/admin/Desktop/hevc2img C:/Users/admin/Desktop/data/predefined_classes.txt C:/Users/admin/Desktop/ceshiyonglabel/labels

首先第一个是image_dir，就是你放需要标注的图片的路径，第二个是label_dir，是你放你利用YOLO生成的txt标注的文件，但是需要注意的是你需要在该路径下再放一个classes.txt，内容是你的类别名字

第三个是跟classes的内容是一样的，但是我是放在了同级目录下新建了一个data里面放的一个命名为predefined_classes.txt

这张图从上到下分别是label的路径，类别标签的路径，和图片的路径，中间的datasets跟本次分享无关。基本上就没有其他问题了。