（二）数据的准备和模型的训练
我做的是口罩检测，数据集是把图像中的人脸框出，再打上是否佩戴口罩的标签，再把数据集按一定的比例划分一下训练集和测试集。
打开yolov5的主目录，点进data里面，把图像和标签分别放在下图的images和labels文件夹下面。
?
而点进其中的images里，又有这样三个目录，test, train, val。这就是我们的数据集了，val是交叉验证集。我的数据集总共只有1400+张图片，划分了70%训练集，测试集和验证集分别15%。
images的结构如下图
同样，labels里的标签也要和images里的图片一一对应。
?
?
?
?如果是用的labelling标注的数据，需要把xml的标签转换为txt格式。
如下图，txt共有5个数字，第一个代表标注的类别，我的分类只有两类即戴口罩与不戴口罩，0代表没有带，1代表戴了。后面四个数字分别代表框的中心坐标(x,y),框的宽度w和高度h。都是做了相应归一化到了0-1之间。
所以你需要把xml标注格式中:类别id,x,y,w,h 这五个数字取出来，按照顺序放在txt文件里作为标签。
接下来再准备.yaml文件。
直接打开coco.yaml，把coco.yaml改成如图所示。
?接下来就可以训练了。进入train.py里，配置一下运行参数
当然也可以在终端里输入这些参数来运行train.py进行训练。
设置完之后就可以直接运行train.py进行训练了。如果配置了tensorboard，还可以实时查看各种指标的可视化图像。
?
?训练完之后的.pt模型文件存放在runs/train的最后一个exp文件的weights里.
?测试一下模型的效果如何。
打开detect.py,配置一下参数。
然后运行detect.py，就可以打开本地摄像头对画面实时检测了。
至此，模型的训练就全部完成了。
?
?
?
?
?
?