【YOLOv5】 使用教程：从环境配置到模型推理

        YOLOv5 是一个流行的目标检测模型，它在精度和速度方面都表现优异。本文将为你提供一个全面的指南，从环境配置到如何训练和使用 YOLOv5 进行目标检测。

一. 环境设置

在开始使用 YOLOv5 之前，你需要配置好 Python 环境，并安装必要的依赖项。

1.1 安装 Python 和虚拟环境

本文就不概述Python运行环境相关的配置了，咱们直接进入正文

1.2 安装 YOLOv5 和依赖项

使用 pip 安装 YOLOv5 所需的依赖项。首先，克隆 YOLOv5 仓库并进入目录：

仓库链接：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
可以通过GIT克隆或者直接下载代码

下载完成，进入文件目录，安装依赖项：

pip install -U -r requirements.txt

1.3 准备相关文件进行训练

在yolov5文件夹下新建一个文件夹，这里取名为VOCData

进入后新建两个文件夹 Annotations 和 images

      images：用于存放要标注的图片（jpg格式）

      Annotations ：用于存放标注图片后产生的内容

二. 数据准备

2.1 数据集格式

YOLOv5 支持多种数据集格式，但通常使用 VOC(XML格式) 或 YOLO(txt格式) 格式。数据集应包括图片和标签文件。标签文件通常是 .txt 格式，每行包含一个目标的类标签和边界框坐标。

此处我使用的是VOC格式，因为直接使用YOLO格式有个小小的坑，使用VOC格式可以直接避免这个问题

此时我们就需要用到labelImage了

2.2 安装labellmg

下载labelImg：

pip install labelImg

安装完成，直接运行命令启动

labelImg

主界面

页面介绍：

选择要标注的图片，框选标注区域，标注图片标签<