YOLOV5实现图像实例分割

模型使用流程如下：

通过网盘分享的文件：yolov5-seg-master
链接: https://pan.baidu.com/s/1actf-klkQ2gRwm0vIO_24w?pwd=nyjw 提取码: nyjw

1.将需要进行分割任务的数据集放到dataset目录下的labelme_dataset目录下。

2.启动labelme进行图像打标。打标产生的json格式文件也同样存放在labelme_dataset。此时该目录下会有数据集和json这种文件

3.数据集打标完成以后，可以运行scripts文件夹里面的visual_labelme.py脚本，查看打标的真实情况

 4.运行scripts文件夹里面的labelme2seg.py脚本，会将labelme_dataset文件夹里面的json格式文件转换成适合yolo模型训练的txt格式打标文件，同时保存在labelme_dataset文件夹。此时labelme_dataset文件夹里面有3种文件，分别是：图片，json格式文件和txt格式文件

 5.运行scripts文件夹里面的split_dataset.py脚本，自动将labelme_dataset文件里面的数据集和标签文件进行划分。

 6.划分结果保存在dataset文件夹下的custom_dataset目录，程序会直接一步到位，按照如下格式将图片和txt格式文件进行划分

 7.在data文件夹里面创建一个新的custom.yaml，配置训练数据集路径

path: dataset/custom_dataset
train: images/train
val: images/val
test: images/test

names:
  0: bobbin

8.最后就可以点击主目录下的train.py进行图像实例分割训练。train.py相关参数设置如下所示。------epoch,---batch_size ,---workers可以根据自己电脑的配置相应设置。

 9.成功运行结果如下所示

10.训练完成产生的所有文件都保存在主目录下的runs文件夹里面