yolo项目中如何训练自己的数据集

1.收集自己需要标注的图片

2.打开网站在线标注网站

2.1 点击右下角Get Start

2.2点击这里上传自己的图片

上传成功后有英文的显示

点击左边的Object Detection，表示用于目标检测
2.3选择新建标签还是从本地加载标签

如果是本地加载标签（左边）
需要在电脑新建一个labels.txt文档，文档的一行代表一个标签类别，下一个标签类别必须换行显示，如图所示

加载这个labels.txt文件，并开始项目

2.4关于该标注界面的一些内容

3.标注过程

3.1鼠标左键拖动形成矩形框就是标注好一个目标，右边选择类别

3.2给图片标注了部分后，我们觉得太多了，太难标注了，可以点击这个加载AI模型进行标注

3.3导出（导出为yolo格式）

4.组织数据集文件夹（以yolov5项目为案例）

4.1新建文件夹，并且导入数据

5.组织文件

5.1创建的yaml文件如图所示（data目录下和coco128.yaml同一级别下）

5.2修改train.py的参数内容

5.3
初始权重设置为0，初始线程数设置为0

选择预训练权重模型，若default为空则用程序自带初始权重
parser.add_argument('--weights', type=str, default='', help='initial weights path')
parser.add_argument('--workers', type=int, default=0, help='max dataloader workers (per RANK in DDP mode)')
1
2
3

5.4终端执行语句

6.测试结果

6.1打开detect.py文件（这是一个测试文件）
如下图所示添加以下内容（weights选择训练的最好的best.pt即可）

注意我这里的第二个框的数据应该是测试集的图片，但是我没有找，所以直接用了训练集的图片，有需要自己修改。
6.2这是train.py和detect.py跑出来的结果