基于YOLOv5的王者荣耀目标检测1-准备数据集

一、前言

本文只演示整体流程，不涉及原理的解读
YOLOv5版本：6.1
标签制作：labelimg
训练数据集：GPU（我的电脑是3060，显卡性能越好，训练的速度越快）
IDE：PyCharm
视频播放工具：PotPlayer（可以进行逐帧播放）
截图：QQ

二、效果展示

YOLO效果示例（王者荣耀）

三、正文

1、搭建环境

1.1、NVDIA驱动、ANCONDA深度学习环境、PyCharm

参考这篇博客即可（paddlepaddle我们这里没用到，所以第四点跳过)

2.准备数据集

2.1、获取原始视频

王者荣耀本身并没有视频导出功能，我们可以通过以下两种方法获取对局视频：①在对局中直接录制视频；②对局后保存本地回放，在回放中录制视频。

2.2、创建图片保存目录

后面的代码中对数据集的路径有要求，这里统一在以下格式的目录下保存数据（VOC2007、Annotations、JPEGImages、predefined_classes.txt）

2.3、获取原始图片

将视频上传到电脑上，播放视频并进行截图。这里的截图场景越多、数量越多越好。此处我用的视频播放软件是PotPlayer（实际上用什么软件都是一样的），截图工具用的是QQ自带的截图
注意：图片的文件名不要带中文，因此我们需要在QQ里进行默认设置
用记事本打开StringBundle.xml文件，找到QQ截图这一行，用你自己的命名规则替换掉它（我用的是QQScreenShots）



图片保存在以下位置

2.4、使用LabelImg标记图片

参考这篇博客即可
也可以跟着视频做
predefined_classes.txt内容如下：

标签文件应该在如下位置

2.5、将数据集由VOC格式转换成YOLO格式，并划分训练集和验证集

使用工具类进行转换
工具类地址
克隆下来之后是下面这个样子，我们需要把原有的VOC2007文件替换成自己的文件，然后根据自己的需求修改main.py文件中的这两处地方

注意：此处main.py和VOCdevkit是在同一级目录下的

运行main.py文件后，项目的目录结构如下：

到此，数据集就准备好了，接下来我们会用到其中的VOCdevkit文件

制作好的数据集我也放一份在这了→王者荣耀数据集
下一篇博客:基于YOLOv5的王者荣耀目标检测2-训练模型