BGMcat的博客

train.py# YOLOv5 ???? by Ultralytics, GPL-3.0 license"""Train a YOLOv5 model on a custom datasetUsage: $ python path/to/train.py --data coco128.yaml --weights yolov5s.pt --img 640"""import argparseimport loggingimport mathimport osimport ra

labelimg可以对图像进行三种格式标注：VOC标签格式，保存为xml文件。yolo标签格式，保存为txt文件。createML标签格式，保存为json格式定义照片文件的目录结构：├── dataset│├── JPEGImages 存放需要打标签的图片文件│├── Annotations 存放标注的标签文件│├── predefined_classes.txt 定义自己要标注的所有类别（这个文件可有可无，但是在我们定义类别比较多的时候，最好有这个创建一个这样的txt文件来存放类

简述：YOLO为txt格式，voc为xml格式，具体结构如下图：目录结构：|—py文件（转换的py文件）|—dataset||–annotation （存放voc格式的文件夹）||–YOLOLabels（要存放YOLO格式的文件夹）||–JPEGImages(照片文件夹)||–image|||–train|||–val||–label|||–train|||–valVOC转YOLOimport xml.etree.ElementTree as ETimport pic

├── data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。├── models：里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同的版本，分别为是s、m、l、x。从名字就可以看出，这几个版本的大小。他们的检测测