yolov5半自动化自动标注图片

艺说IT

已于 2025-03-02 21:40:45 修改

阅读量1.1k

点赞数 19

分类专栏： yolov 文章标签： yolov 图像识别

于 2025-02-09 15:54:21 首次发布

本文链接：https://blog.csdn.net/syl321314362/article/details/145532929

版权

yolov 专栏收录该内容

4 篇文章

订阅专栏

文章目录

一、前言

你是否有在为数据集少的问题而困扰，那么半自动化标注的技能就能解决现有问题，思路就是先用已经训练好的一个模型，使用yolov5 detect.py 再去对新图片进行识别，识别自动生成classes文件，然后用labelimg打开识别好数据集再进一步调整标签，最后再拿去训练，这样就能保证自己训练模型的数据够多，提升识别准确率，更新迭代模型也更方便。

我为什么叫半自动化标注，因为是否全自动化就取决与前置模型识别的准确性，识别准确性高也可以全自动化，半自动化还需要人工对新生成数据集进行核验，不过这种方式也能节省不少时间，废话不多说直接讲解实战过程。

二、实战过程

首先使用第一次训练好的模型，在detect.py上使用模型识别新的图片集即可，我一般喜欢把配置直接在代码里面修改，主要修改–weights、–source、–data 这三个参数值，然后运行代码时带上–save-txt即可保存识别图片的labels文件。

直接运行带参数：

detect.py --save-txt

修改为detect.py配置文件：

arse.ArgumentParser()
parser.add_argument("--weights", nargs="+", type=str, default=ROOT / "runs/train/exp2/weights/best.pt", help="model path or triton URL")
parser.add_argument("--source", type=str, default=ROOT / "/Users/stephen/Documents/dnf/mdnf/mdnf_yolov/data/1/train/images", help="file/dir/URL/glob/screen/0(webcam)")
parser.add_argument("--data", type=str, default=ROOT / "data/data.yaml", help="(optional) dataset.yaml path")
parser.add_argument("--imgsz", "--img", "--img-size", nargs="+", type=int, default=[640], help="inference size h,w")
parser.add_argument("--conf-thres", type=float, default=0.25, help="confidence threshold")
parser.add_argument("--iou-thres", type=float, default=0.45, help="NMS IoU threshold")
parser.add_argument("--max-det", type=int, default=1000, help="maximum detections per image")
parser.add_argument("--device", default="", help="cuda device, i.e. 0 or 0,1,2,3 or cpu")
parser.add_argument("--view-img", action="store_true", help="show results")
parser.add_argument("--save-txt", action="store_true", help="save results to *.txt")
parser.add_argument("--save-csv", action="store_true", help="save results in CSV format")
parser.add_argument("--save-conf", action="store_true", help="save confidences in --save-txt labels")
parser.add_argument("--save-crop", action="store_true", help="save cropped prediction boxes")
parser.add_argument("--nosave", action="store_true", help="do not save images/videos")
parser.add_argument("--classes", nargs="+", type=int, help="filter by class: --classes 0, or --classes 0 2 3")
parser.add_argument("--agnostic-nms", action="store_true", help="class-agnostic NMS")
parser.add_argument("--augment", action="store_true", help="augmented inference")
parser.add_argument("--visualize", action="store_true", help="visualize features")
parser.add_argument("--update", action="store_true", help="update all models")
parser.add_argument("--project", default=ROOT / "runs/detect", help="save results to project/name")
parser.add_argument("--name", default="exp", help="save results to project/name")
parser.add_argument("--exist-ok", action="store_true", help="existing project/name ok, do not increment")
parser.add_argument("--line-thickness", default=3, type=int, help="bounding box thickness (pixels)")
parser.add_argument("--hide-labels", default=False, action="store_true", help="hide labels")
parser.add_argument("--hide-conf", default=False, action="store_true", help="hide confidences")
parser.add_argument("--half", action="store_true", help="use FP16 half-precision inference")
parser.add_argument("--dnn", action="store_true", help="use OpenCV DNN for ONNX inference")
parser.add_argument("--vid-stride", type=int, default=1, help="video frame-rate stride")
opt = parser.parse_args()