【YOLOv5】 02-标注图片，训练并使用自己的模型_yolo图片标注

在上一篇文章中，我们完成了YOLOv5的安装和测试。如果想检测自定义目标，就需要用到LabelImg来对图片打标签，本篇文章介绍了LabelImg安装与使用，以及如何训练并使用自己的模型。

一、安装LabelImg

输入如下命令进行安装：

pip install labelimg

二、使用LabelImg

输入“labelimg”来打开该软件

软件界面如下：

常用的快捷键有：

点击如下按钮，打开样本所在的文件夹

点击如下按钮来框选目标的范围

框选好后，选择存为YOLO格式（即将标记的信息保存为.txt格式）

点击“Save”来保存标记好后的第一张图（这里是灰色是因为已经保存过了），保存到一个指定的文件夹，之后所有标记好的txt都存储到该文件夹中。

注意：保存的文件名要与原始图片的文件名保持一致。每标记一张图都要记得保存！

点击File-》Change Save Dir ，选择刚才存储txt的那个文件夹

点击“Next Image”来准备标注下一个图片

如果遇到只能框选方形，无法框选矩形的情况，只需按下“ctrl+shift+R”就可以恢复创建矩形box

三、训练模型

首先新建训练集和验证集文件夹，分别命名为“train”和“val”

“train”和“val”文件夹都需包含“images”和“labels”文件夹。其中，“images”文件夹用于存放图片，“labels”文件夹用来存放txt

将刚才标注好的约75%的图片和标签分别放入“train”中的“images”和“labels”，用作训练集

注意：图片和标签必需一一对应

将剩下的放入“val”中的“images”和“labels”，用作验证集

创建一个yaml文件

文件内容如下：

修改“train.py”中的一些参数

运行train.py来训练，可以看到训练的结果存储在“runs\train\exp4\weights”中

四、使用模型

如下图，将detect.py中的“--weights”参数替换为刚训练好的pt文件路径，“--source”改为待检测的图片路径

五、继续训练

如果想在上一次训练的基础上继续训练模型，可以更改“train.py”中的“--weights”参数，改为上一次训练的pt文件