0x00 前言
经过上一篇环境部署的介绍【传送门】，我们已经得到了一个基本可用的YOLOv10的运行环境，还需要我们再准备一些数据，用于模型训练。
0x01 准备数据集
1. 图像标注工具
数据集是训练模型基础素材。
对于小白来说，一般推荐从一些开放网站中下载直接使用，官方推荐了一个名为Roboflow的数据集网站。Roboflow是一个免费开源数据集管理平台，它不仅提供免费的数据集，还支持上传自己的数据集并进行格式转换，一键导出VOC、COCO、yolo、csv等格式。网站的数据下载方法和在线标注这里不过多表述。另外，还有一个知名的数据分析的竞赛平台：kaggle 也比较推荐，里面会有一些开源的数据集在注册之后可以使用。
还有一种方式，是使用离线工具自己标注数据，这里有两款工具推荐：labelImg和Labelme。这两款工具都不错。
labelImg在2021年10月份已经停止了github仓库更新，且不支持在python3.9以上环境安装。所以未来能走多远是个未知，新的项目label studio 融合了labelimg，有兴趣的可以装下label studio【传送门】。不过，这款工具在conda环境下，安装比较简单，使用操作简洁，易上手。还是不错的。
下载地址：
https://github.com/HumanSignal/labelImg
labelme也是一款python的标注工具，项目大约在2019年左右创建，目前已知在社区中活跃更新代码，截止到2024年9月，已经发布了200多个版本。支持很多功能，比如标注分类，多边形分割等等。这里是十分推荐使用的，后续LZ体验后，再与大家一起分享。
下载地址：
https://github.com/labelmeai/labelme
2. 标注数据格式
工具使用教程可以百度下，资料比较多。这里着重说些yolo的数据格式。楼主开始找了一些网上奇奇怪怪的数据集，导致要先转成COCO格式，再转成YOLO格式，中间几番曲折，最终还是放弃了自己标注。
放弃非标准数据集的原因有几个：
- 数据量较大，因为一个数据集有20w张图片，压缩后大小在12G左右；
- 格式转换繁琐，因为有标注数据该有对应关系，COCO格式是一个大json，转YOLO时一直提示内存错误(Memory error)。改了半天代码才转换成yolo格式；
- 本地算力不足，本来开开心心要训练20轮，结果第一轮的1%需要1个小时，等了10个小时才10%，土豪可以跳过这些细节。
唠叨了半天说下关键的数据格式。
2.1 YOLO 标注格式
2.1.1. yaml配置文件
说道YOLO标注格式，先说下数据集的配置文件，coco.yaml（名字可以随便起，代码中指定即可）。官方代码仓库中在ultralytics\cfg\datasets\coco.yaml。训练模型是可以指定这个路径。关键字段解释如下：
| 字段名 | 解释 | |
|---|---|---|
| 1 | path | 数据集的根目录（绝对路径或者相对路径） |
| 2 | train | 训练集路径（绝对路径或者相对路径），必备 |
| 3 | val | 验证集路径（绝对路径或者相对路径），最好带上，不然训练完也不知道效果 |
| 4 | test | 测试集路径（绝对路径或者相对路径） |
| 5 | names | 分类名字，也就是标签的列表 |
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)
# Classes (80 COCO classes)
names:
0: person
1: bicycle
2: car
# ...
77: teddy bear
78: hair drier
79: toothbrush
2.1.2. dataset数据集目录结构
train和valid数据集的结构是一样的，包含images和labels两个目录，分别用于存储图片文件和txt标注文件。
images目录结构如下：
labels目录结构如下：
2.1.3. txt标注文件格式
这里引用官网的一段描述：
The *.txt file should be formatted with one row per object in class x_center y_center width height format. Box coordinates must be in normalized xywh format (from 0 to 1). If your boxes are in pixels, you should divide x_center and width by image width, and y_center and height by image height. Class numbers should be zero-indexed (start with 0).
简而言之，就是所有的txt文件必须每行一个对象[class x y width height] 这个5元组，中间用空格分割的格式书写。如果有多个分类，就写多行。分类标签号必须从0开始。楼主试了下从15开始，训练时会报错。
xywh 格式说明
txt文件示例：
COCO 标注格式
COCO 数据集的标注格式是 JSON（JavaScript Object Notation）格式,该文件包含有关图像及其上的对象的详细信息。
json的主要结构示例如下：
{
"info": info,
"licenses": [license],
"images": [image],
"annotations": [annotation],
"categories": [category]
}
- info数据段部分，用处不大，可以空着。示例如下：
"info":{
"description":"This is stable 1.0 version of the 2014 MS COCO dataset.",
"url":"http:\/\/mscoco.org",
"version":"1.0","year":2014,
"contributor":"Microsoft COCO group",
"date_created":"2015-01-27 09:11:52.357475"
},
- licenses是包含多个license实例的数组，用处不大，可以为空。这里放一个license类型的示例：
{
"url":"http:\/\/creativecommons.org\/licenses\/by-nc-sa\/2.0\/",
"id":1,
"name":"Attribution-NonCommercial-ShareAlike License"
},
- Images是包含多个image实例的数组，对于一个image类型的实例：
{
"license":3,
"file_name":"COCO_val2014_000000391895.jpg",
"coco_url":"http:\/\/mscoco.org\/images\/391895",
"height":360,"width":640,"date_captured":"2013-11-14 11:18:45",
"flickr_url":"http:\/\/farm9.staticflickr.com\/8186\/8119368305_4e622c8349_z.jpg",
"id":391895
},
- annotations记录了每一张图片的标注信息，是json中最重要的组成部分。segmentation是分割标注，bbox是目标框标注，image_id是对应的图片id，category_id是目标分类。需要注意的是，这里只介绍分类和分割的标注，COCO的关键点标注结果还会引入keypoints，这里也不赘述了。
"annotations": [
{
"segmentation": [
[
510.66,
423.01,
511.72,
...
423.01,
510.45,
423.01
]
],
"area": 702.1057499999998,
"iscrowd": 0,
"image_id": 289343,
"bbox": [
473.07,
395.93,
38.65,
28.67
],
"category_id": 18,
"id": 1768
},
{
"segmentation": [
[
289.74,
443.39,
302.29,
...
444.27,
291.88,
443.74
]
],
"area": 27718.476299999995,
"iscrowd": 0,
"image_id": 61471,
"bbox": [
272.1,
200.23,
151.97,
279.77
],
"category_id": 18,
"id": 1773
},
......
"segmentation": {
"counts": [
272,
2,
4,
4,
...
16,
228,
8,
10250
],
"size": [
240,
320
]
},
"area": 18419,
"iscrowd": 1,
"image_id": 448263,
"bbox": [
1,
0,
276,
122
],
"category_id": 1,
"id": 900100448263
},
- categories是一个包含多个category实例的数组，数据量比较小。categories结构示例如下：
{
"supercategory": "person",
"id": 1,
"name": "person"
},
{
"supercategory": "vehicle",
"id": 2,
"name": "bicycle"
},
0x03 标注数据
楼主花了一个晚上标注了大约1000条左右，吐血+老眼昏花。用工具标注效率还是比较高的。加油，骚年，你也可以的。
0x04 训练模型的Tips
要训练好一个模型，总会有一些问题，比如我数据集要多大呀，框图的时候框多大呀。这个LZ也查了很多国内公开的资料，描述都不太详细。只是范范的说越多越好。其实答案已经在ultralytics官网写好了。传阅给诸君一起学习下。【传送门】
分割线================================
本指南介绍了如何使用YOLOv5 🚀 生成最佳 mAP 和训练效果。
大多数情况下，只要数据集足够大且标签齐全，无需更改模型或训练设置就能获得良好的结果。如果一开始效果不佳，您可以采取一些措施来改进，但我们始终建议用户在考虑任何更改之前，先使用所有默认设置进行训练。这有助于建立性能基线，发现需要改进的地方。
如果您对训练结果有疑问想找人咨询，我们建议您提供尽可能多的信息这样才能得到有用的回复。请提供结果图（train losses、val losses、P、R、mAP）、PR curve、confusion matrix、training mosaics、测试结果和数据集统计图像（如 labels.png）。所有这些都位于您的 project/name 目录，通常是 yolov5/runs/train/exp.
我们为希望在YOLOv5 培训中获得最佳效果的用户准备了一份完整的指南。
数据集
- 建议每类图片数量 ≥
1500张 - 建议每类实例数量≥
10000个（标记对象） - 图像种类。必须能代表部署环境。对于真实世界的使用案例，我们建议使用不同时间、不同季节、不同天气、不同光线、不同角度、不同来源（网上搜索、本地收集、不同摄像头）等的图像。
- 标签一致性。所有图像中所有类别的所有实例都必须贴上标签。如果图像中有遗漏的标记对象（类）会影响效果。
- 标签准确性。标签必须紧密包围每个对象。对象与边界框之间不得有空隙。任何对象都不能缺少标签。
- 标签验证。 查看 train_batch*.jpg 在火车启动时验证标签是否正确，即查看 example 。
- 背景图像。背景图片是没有物体的图像，添加到数据集中可以减少误报（FP）。我们建议使用约 0-10% 的背景图片来帮助减少误报率（COCO 有 1000 张背景图片供参考，占总数的 1%）。背景图片不需要标签。
参考文献
https://blog.csdn.net/u011119817/article/details/118532364
https://www.zhihu.com/column/p/29393415
