雪剑封心

如果yolov5的预训练权重已经包括了你所需要的类别，可直接进行自动标注，无需自行训练模型。yolov5-6.0 github链接：https://github.com/ultralytics/yolov5/tree/v6.0标注工具代码链接：https://github.com/mohenghui/detectAuto例如：xml转txt条件：txt一定少于图像.....................

首先标注一部分图片，进行训练，生成模型，标注文件为xml方便后面统一做处理。1、标注数据（文件为xml, 转为txt用于训练，保留xml标签文件）2、模型训练（训练配置、训练代码、）3、使用训练好的模型进行预标注 （生成标注文件 xml）4、检测标注文件工具：单类别拆分、合并所有类别xml、合并指定几个类别、固定矩形位置增加类别与固定位置绘制矩形检测是否重合删除类别（增删类别）、固定矩形位置生成xml、

输出的是json标注文件（注意是这样的json;若使用 labelme 作为标注工具，输出文件为：json格式。YOLO标注输出的是txt格式的标注文件，可直接用于训练。默认总文件夹下 data_name 里面是具体分类的类别。读取目录下的所有图像进行推理绘制矩形并保存在另一个目录中。需要将xml文件转txt文件，yolo才能训练。└──Cat 该文件夹里面是对应类型的图像。└──Dog 该文件夹里面是对应类型的图像。使用不同的预训练权重，直接运行默认下载。VOC标注输出的是xml格式的标注文件。

请参考：下载yolov5需要的版本首先要安装好Anaconda3、cuda、cudnnw10系统：安装cuda、cudnn参考：Cuda和cuDNN安装教程(超级详细)确认以上安装好之后在yolov5目录中找到 requirements.txt安装pytorch版本注意：要根据自己的显卡安装cuda、cudann、然后再根据cuda安装对应的pytorch版本例如：我的版本,我的经验是尽量使用pip安装，不要使用conda安装。例子：完整命令......

适用任务：目标检测建议使用：Anaconda3虚拟环境labelme安装命令：labelme运行命令2.使用使用教程如下：注意：选择xml格式标注，需要转换成yolo格式。只有使用yolo的保存格式，才能直接放入yolov5数据文件夹内进行训练。注意：因为想要半自动标注，直接使用yolo格式,内部标签会混乱。原因：yolo格式标签是txt文件，内部类别的表示方式是0、1、2、3…，此时，你标注的第一张图像是什么类别，txt就会写入那个类别,并且设置类别号为0，解决方法：找到labelimg

文件夹结构：新建coco128images文件夹下的train与val都是图像labels文件夹下的train与val都是yolo格式的txt标签文件第一个需要修改的文件data/coco128.yaml修改数据集路径：例如：datasets这个文件夹是我i自己加的，可以不加修改类别数、类别第二个需要修改的文件：models/yolov5x.yaml在yolov5文件目录下的models下，选择预训练权重文件的配置文件。我比较喜欢选择yolov5x.yaml。你也可选择别的。只需要修改

自动标注运行界面是这样的：前两步应该不用多说，包括选择你训练好的.pt权重文件.在配置yaml文件时，找到yolov5下的data/coco128.yaml作为模板进行修改。你可以修改你想要自动标注的类别，比如你训练的4个类别的识别，你想自动标注其中一种。配置文件可以修改这样：例如：我训练识别4个类别：‘person’, ‘worker’, ‘no_helmet’, ‘helmet’我想要自动标注3个类别：‘person’, ‘no_helmet’, ‘helmet’其他无需修改。创建d

标签格式转换xml转txt你也可以修改文件名,把对应的字符串改了也可以。1.创建文件夹：label_xml放入xml2.创建文件夹：label_txt等待生成txt

由于自动标注图像后，有些图像并未被标注，所以标签少于图像数据。这个代码的目的就是一键删除多余的图像，省的自己一个一个去删除。1.我的图像都是jpg2.两个文件夹内不能包含其他文件

在github网站搜索yolov5直达网址：https://github.com/ultralytics/yolov5点击图中：+ 7 releases进行选择版本滚轮下面寻找自己需要的版本在对应版本下面选择自己需要的与训练权重文件选择预训练权重下载源码方式，可以在这里直接下载压缩文件。点击版本选择源码版本git格式:git clone 地址例如：yolov5-6.0版本...