yolov5自动标注方法技巧-多快好省

具体操作：

1. 将采集数据集，挑选一些具有代表性的图像，各种情况尽可能囊括在内，进行打标，数量大致为原来数据集的十分之一。打好标签，放入模型重新训练，训练 epoch 不需要太多，20 到 50 足以，太多容易学习过度，就很容易误检，后期筛选麻烦。目的是能够生成目标框，精度多少不重要。
2. 检测结果生成与原图 image 一一对一的 txt，且 txt 信息与训练标签一致，有类别信息，四个点信息（共五个数）
3. 分别打开将图像和标签放置两个不同的文件夹下，再安装 labelimg，打开 labelimg，打开图像文件夹，将图像导入 labelimg，再点击保存文件夹，打开标签放置文件夹，这样就能够使得标签与图像一一对应，对标签信息进行调整，清洗，删除无效标签等。
4. 注意，得往标签文件夹新建一个 classes.txt,该文件里面放置类别名，没有该文件将会自动关闭 labelimg。
5. YOLOv5 不会自动生成对应的 txt 文件，需要调整参数。
   

6.在检测的时候输入 python detect.py –-save-txt 在检测结果中就会保存对应 txt