更换数据集

以yolov5+deepsort的行人检测项目说一下怎么更换数据集。最终目标是要生成四个文件夹。一开始只有两个文件夹

1、标注文件。在终端输入lableme即可打开。尝试一下多分类（又是人、又是女人）

如果win的lable导出的文件是xml（voc），mac导出的是json。../母路径，./当前路径

找到json2yolo脚本，修改里面的

完成任务：完成训练集验证集的划分（训练完训练集再用测试集进行测试）。

JPEGImages里面放原始文件、Annotations里面放标注文件。ImageSets和labels里面各自设置了一个train和val文件夹，一开始都是空的，后面会存放train.txt和val.txt（2*2=4）。

tensorboard可视化指南:

1、在yolo.py中将该部分解除注释化。

2、在命令行输入如下指令：cd yolov5-master；cd runs； tensorboard --logdir=./exp34

更换数据集的方式：

用labelimg完成标注，会生成xml文件。然后运行voc_to_py文件。先看别人的数据集的格式（train+val、还是train+test）；然后将voc_to_py的文件变成和源代码一样的格式即可。

有可能用imges(train+val),labels(train+val)。也有可能train(imges+labels),test(imges+labels)。

即嵌套关系有可能不同，但是images里面一定放的是jpg、labels里面放的一定是txt，这个是一定的。

改train.py

 再进去同样的路径，复制一个和原来的yaml相同路径下的yaml文件，修改不同的地方：class、train地址、test地址即可。运行train.py。完毕。

fps计算方法：YOLOV5的FPS计算问题_有温度的AI的博客-CSDN博客_yolov5的fps

打开val.py文件夹，fps是指用验证集来训练一个batchsize的图片的帧率。因此不用train.py和test.py。变更数据，bs=1，weights换为训练自己数据集得到的权重，开始验证。