目标检测模块教程-训练检测模型
1.数据标注
下载数据集标注工具，下载地址，数据集管理软件SpireImageTools：gitee地址或者github地址。
- 解压，打开标注软件
SpireImageTools_x.x.x.exe
首先点击Tools->Setting...，填写一个 save path (所有的标注文件都会存储在这个文件夹中)
- 将拍摄的视频转为图像 (如果采集的是图像，则跳过这一步骤)，点击
Input->Video， 选择要标注的视频。
然后，点击Tools->Video to Image
点击OK 后，等待完成，结果会存储在：
- 打开需要标注的图像，点击菜单
Input->Image Dir， 找到需要标注的图像所在文件夹 ，按Ctrl+A，全选，打开所有图像：
- 点击菜单：
Tools->Annotate Image->Box Label，开始标注图像
在label中填写待标注目标名称，然后将对话框拖到一边。
- 开始标注，在主窗口中开始标注，鼠标滚轮放大缩小图像，按住左键移动可视图像区域不断点击左键将目标框包围，使用
YOLO训练时，点击2个点即可：
标注时，如果点错，按鼠标右键可以取消。标注完成后，如果不满意，可以点击绿色边框(边框会变红，如下图所示)，按
Delete删除
- 继续标注行人类别：
- 全部标注完成后，将标注输出为
YOLO格式，准备训练——在标注完成之后，按下Ctrl+o
点击OK即可，需要等待转换。
- 注意，如下两个文件夹是我们训练
YOLOv5需要的
2. 开始训练YOLOv5
在准备好scaled_images和yolo_labels两个文件夹之后，我们就可以训练YOLOv5了。首先，创建一个car_person.yaml，将其放到<path-to-Prometheus>/Modules/object_detection_yolov5tensorrt/data/文件夹下。car_person.yaml的具体内容如下：
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: data/car_person/images/train/
val: data/car_person/images/train/
# number of classes
nc: 2
# class names
names: ['car', 'person']
注意1：
car_person是自定义名称，我们这次标注的数据集仅有这2个类别。 注意2：names: ['car', 'person']这里的类别顺序需要跟yolo_categories.names里的类别顺序一致。
- 将训练图像与标注拷贝到对应位置
首先，在<path-to-Prometheus>/Modules/object_detection_yolov5tensorrt/data/下新建一个文件夹car_person。然后，在car_person下再新建2个文件夹images和labels。最后，将准备好的scaled_images拷贝到images下，并重命名为train；将准备好的yolo_labels拷贝到labels下，并重命名为train。
结合
car_person.yaml里的内容，我想你应该明白上面目录结构的含义啦。
- 开始训练
cd <path-to-Prometheus>/Modules/object_detection_yolov5tensorrt/
python3 train.py --img 640 --batch 16 --epochs 5 --data data/car_person.yaml --weights weights/yolov5s.pt
显示以上内容说明训练成功！可以增加训练期数（--epochs 5）提升效果。
- 部署训练好的模型
刚刚训练好的模型会保存在<path-to-Prometheus>/Modules/object_detection_yolov5tensorrt/runs/exp?/weights/best.pt，?需根据自己的情况而定（最新训练的模型?为最大的数字），将best.pt重命名为yolov5s.pt，拷贝到<path-to-Prometheus>/Modules/object_detection_yolov5tensorrt/下，然后执行：
cd <path-to-prometheus>/Modules/object_detection_yolov5tensorrt
python3 gen_wts.py