本专栏主要是提供一种国产化图像识别的解决方案，专栏中实现了YOLOv5/v8在国产化芯片上的使用部署，并可以实现网页端实时查看。根据自己的具体需求可以直接产品化部署使用。

B站配套视频：https://www.bilibili.com/video/BV1or421T74f

YOLOv5的使用

首先通过使用vscode链接远程主机，并且进入docker容器。在开发电脑上第一步选择链接远程主机，第二步启动主机上的docker容器，第三步使用docker插件连接到远程docker容器中。

初次启动时候时候vscode会在远程主机上安装一系列开发环境可能比较慢，等安装完成之后就可以根据情况安装相关控件。注意此时vscode是连接到容器中的，通过左下角和终端可以看出来。

如果按照准备课程操作完成此时执行python detect.py将会在目录中生成runs/detect/exp/bus.jpg代表yolov5已经顺利运行了。

YOLOv5训练（重点、重点、重点）

数据标注

以后在实际项目中会发现很多工作都是在为了训练作准备，所以训练部分必须好好学习。

首先训练我们需要用到一个工具叫做labelimg，同样也可以使用labelimg，这个就看个人使用习惯。我们也会在yolov8的课程中说一下labelme的使用。

在你有界面的电脑上先用conda创建一个虚拟环境，使用python3.8版本，再使用pip安装labelimg。输入labelimg就可以弹出界面了。

conda create -n python38 python=3.8
conda activate python38
pip install labelimg
labelimg

接下来要做四部操作：
1、点击菜单上的查看，将自动保存选项钩上。

2、将数据模式选择yolo，在途中位置多点几下就好。

3、选择打开目录，打开需要标注的图片文件夹。标注之前是不会显示这些框的。

4、选择改变保存目录，这个目录是用来保存标注结果的。通常我们会把需要标注的图片放在images里，将标注结果放在同级目录下的labels里面。

完成上面的设置之后，记住几个快捷键。按W键会进入画框功能，框完目标物之后会选择标签，在没有此标签时候需要新建。下次画框时候就可以直接选择了。D切下一张图片，A切上一张图片。

在完成第一章图片标注后，可以在labels文件夹下看一下，应该会自动生成文件。其中classes.txt中就是你的标签，其他txt就是标注的数据。

此处需要注意：labelimg有一个bug，在关闭labelimg后如果重新打开，选在打开目录后，他会自动加载第一章图片中的classes，比如第一章图片没有标注信息不全，就不会有部分信息，那classes.txt就会被篡改。当打开有其他标注信息的图片时候会直接崩溃。此时可以直接修改classes.txt文件，文件内容就是标签的名字，每个名字独立一行。