对于YOLOV5进行inference的前置工作的说明
- 配置环境
首先安装annaconda，进入官网，如图所示。
Annaconda是基于python语言的大型集成库，对于python来说是一个非常好用的应用。
安装完annaconda后我们可以选择安装工作平台，一般来说有pycharm和visual studio code两个选择。
Pycharm界面。
Visual studio code界面。
安装好任意一个工作平台后，我们可以调整设置，找到annaconda中包含的python或者是自行安装的python并把它作为解释器。然后我们就可以开始编程工作了。
- yolov5
首先我们在Github上找到yolov：GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite。
下载好之后，我们可以解压出来一个工作组。
打开安装好的工作平台，导入这个工作组。直接选择打开文件夹，然后选定这个文件夹即可。此处以visual studio code为例。
在READEME里一般会有使用方法或者一些事项。简要看过后，我们选择detect.py文件
在import后可能有一些显示未安装的库，如果有，我们直接补充安装即可。安装后可以直接运行这个py文件
然后可以在运行工具栏的拓展里选择添加配置，输入 --source 0 ，则表示用摄像头进行测试。
输入--source data/images，则表示用data/images下的所有图片进行测试
输入--source 1.mp4，则表示用1.mp4视频文件进行测试。
运行时，还可能有下面的提示，这是在下载模型文件。
Downloading https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt to yolov5s.pt...
在以上所有步骤完成后，就可以看到摄像头实时监测的成果。（我的电脑没有摄像头，故此处不予图片说明）
- 数据标注
下载标注工具labelme：https://github.com/wkentaro/labelme，然后点击Open Dir，打开待标注图像目录，点击Create Polygons，一般是标注物体的关键点，例如绝缘子的4个顶点，依次点击（可以事先约定好点击的顺序，如果不好约定顺序的，就按同一个方向点击），连成一个闭合多边形；点击Next Image，它会提示你保存。这个软件保存的格式是json文件。打开json文件，你会发现它的内容就是完全符合python的列表 [ ] 和字典 { } 的格式。
最后需要把json的标注文件转换为yolo的txt文件，这里有参考代码：https://github.com/ivder/LabelMeYoloConverter
进行到这一步，所以的前置准备就都完成了，接下来就是要进行一系列的编译和学习，让yolov5能够正常工作。