yolov5流程

1.将接受到的信号图像使用labelImg软件进行打标，注意打标过后生成的xml文件数量要和图片数量保持一致。如果两者数量不一致，可执行check_file.py程序

 labpath为xml文件所在路径。

2.执行xml2txt.py程序，将xml转换为TXT文件，具体代码网上有。除修改路径外，注意classes即标签的选择，与打标时选择的标签数有关。

3.将图片放在数据集images下的train或val里，将TXT文件放在labels下的train或val里（与图片存放位置对应）。

4.修改（或新创）yolov5/data下的yaml文件中数据集的路径

 5.修改train.py中的一些参数，参考网上。执行python train.py --data data0217.yaml --cfg yolov5m.yaml --weight '' --batch -size 64 --imgsz 512 --device 0,1,2,3开始训练。若训练图像为矩形如1024*512 则在末尾加--rect

使用labelme软件格式为json，流程大致相同，格式转换时使用json2txt.py,具体代码网上有。

6.python detect.py --weight ./runs/train/exp33/weights/best.pt --source  ./datasets/images/val  --imgsz 512 -- save-conf 检测

python val.py --data test_dect.yaml --weight  ./runs/train/exp33/weights/best.pt --batch-size 64 --iou-thres 0.65  -task test --save-txt --save-conf