准备工作

1. 安装labelimg

labelimg:主要用于目标检测的目标框绘制，得到关于我们训练的边框位置、类别等数据

pip install labelimg

2. 下载yolov5源码

我使用的是v7.0版本，直接下载即可，下载后解压出来

2.1 安装yolov5运行依赖包

进入到解压出来的文件夹，运行此指令：

pip install -r requirements.txt

3.准备数据

一、在yolov5的同级目录下创建如下图结构文件夹，名字最好不要更改

images:保存的是原图片，train文件夹保存用于训练集图片，val文件夹保存所有的图片，test文件夹用于保存测试集图片。

labels:保存labelimg转化出来的yolo txt文件，train文件夹保存训练集图片的yolo信息，val文件夹保存所有的图片的yolo信息，test文件夹用于保存测试集图片yolo信息。

4.目标标注

使用labelimg进行目标标注

windows在控制台输入labeli按下tap键可自动补全，回车即可

labelImg.exe

打开以后如下图：

1. open Dir是原图片文件夹路径：打开第3步中创建的文件夹images/val

2. Change Save Dir是保存yolo信息的文件夹：打开第3步创建的文件夹labels/val

3. 开始目标标注，鼠标点击Edit>Create RectBox（或者按下键盘w键也可以）后就可以在图片上进行目标标注
   

4. 打开自动保存，
   
   ![在这里插入图片描述](https://img-blog.csdnimg.cn/61443549f37c4a2eb07495866bd7d1e7.png

5. 选择保存为yolo txt格式
   
   点击切换
   

6. 标注目标以后可以通过按键盘a(上一张)或者d(下一张)来切换图片，标注的图片会自动保存

5. 分离训练集和测试集数据

例如在images/val中如下图片：
0001.jpg
0002.jpg
0003.jpg
0004.jpg
0005.jpg
0006.jpg

将0001.jpg ~ 0005.jpg复制到images/train文件夹下；将0006.jpg复制到images/test文件夹下.

同样的，也要将转化后的对应的yolo信息文件移动到对应的文件夹；
将0001.txt ~ 0005.txt复制到labels/train文件夹下；将0006.txt复制到labels/test文件夹下.

6.修改源代码路径

检测train.py文件找到data参数对应的默认文件：

修改coco128.yaml文件

nc：表示检测的类别数量，这里只检测人，只有1个
names: 表示检测的类别，这里只检测人

还要修改models文件夹下的yolov5s.yaml文件

修改完成以后直接运行指令开始训练即可

python train.py