前言
前段时间,研究了yolov5
模型的部署方法,通过将权重pt
文件转为wts
文件,最后通过TensorRT
推理加速将wts
文件转为engine
模型,最后调用engine
模型进行目标检测和分类,运行的速度十分快,在笔记本电脑上每张图片的处理速度仅为11ms
, 同时模型的大小仅为19M
左右,真的是太优秀了。这段时间准备小试牛刀一下,将模型运用于一个实际的场景,看看效果如何,要想完成这个任务,第一步当然是要准备好数据啦,正好网上有一个开源的labelImg
标注工具,今天就来学习一下!
1. 下载源码
源码地址点这里这里
2. 实践
step 1
解压文件step 2
激活anaconda的虚拟环境并安装pyqt5以及lxmlstep 3
进入到源码当前目录,运行命令pyrcc5 -o resources.py resources.qrc
step 4
运行命令python labelImg.py
,即可打开labelImg界面
如果出现如下报错
Traceback (most recent call last):
File "labelImg.py", line 31, in <module>
from libs.resources import *
ModuleNotFoundError: No module named 'libs.resources'
解决办法: 将..\labelImg-master
文件夹下的resourece.py
文件复制到..\labelImg-master\resources
文件夹中即可。
注: 如果是要标注yolo模型的数据,需要设置保存的数据的格式