构造yolov5训练数据集

一、安装标注工具
因为以前使用过labelImg，因此继续沿用，具体安装参考labelImg安装
二、labelImg的使用

打开后如上图所示，根据对应的提示去创建块，然后添加相应的类别。只是这里需要注意的是切换成yolo的格式，默认是voc的格式。
快捷键：
创建矩形框：w
保存：ctrl + s
上一张：a
下一张：b
放大：ctrl++
缩小: ctrl–
目录结构如下：

将需要标注的原始图片存放在images的目录下面，将标注生成的标签存放在labels的目录下面，labelImg默认会帮你创建一个与原始图片同名的标签文件txt，标签内容格式如下：

第一列表示的是类别的索引从0开始，后4列是x_center/image_width、y_center/image_height、width/image_width、height/image_height，取值范围是0 ~ 1。即分别是你标注的框的左上角的点、框的宽度、高度与图像的尺寸的比值，这样处理的好处就是，不管模型要求input的图像的尺寸是多少，比如输入图片100100，模型将图片resize成0.5，即5050，那么框的坐标只需要乘上相应的size 50 即可完成转换。
保存后，labels的目录下会相应地生成一个classes.txt，如下图所示：

默认就是按照索引从0开始，与label内容的第一列相对应。
三、使用与验证他人的标注数据
也许你跟我一样，标注了两张就不想搞，而发现网上有很多现成的标注，但是又不知道是否正确，那就继续看下去。
下载coco128数据集官方
百度云
密码: 2vfo
下载下来的数据中是没有classes.txt的文件的，需要我们自己去生成，这个数据集正是对应了官方的coco128的例子，代码如下：

将生成的文件放到labels的目录下，然后打开labelImg->打开文件目录->选择images的目录->改变存放目录->选择labels即可。
以上下载的文件中，本人已经生成了classes.txt，打开试着左右滑动一下吧！

官方wiki：https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data