要拿yolo来用到自己希望使用的场合就需要自己来训练模型权重，要训练模型权重需要足够的训练数据集，数据越多训练后的模型权重越准确。
数据集需要按yolov5的格式进行收集，收集图片后需要用标注工具进行标注，常用的有LabelImg软件或者一些更先进的有部分带ai识别的标注工具
数据集标注工作是个体力活，目前一般有专门做这方面的标记的公司。
网上找了现成的用于识别火的数据集，不过开源数据集的标注文件默认不是yolo支持的txt文件，因此需要将xml转换到txt文件。
用脚本做个转换，脚本转换代码如下
import os
import xml.etree.ElementTree as ET
def convert_xml_to_txt(xml_path, txt_path):
tree = ET.parse(xml_path)
root = tree.getroot()
with open(txt_path, 'w') as f:
for obj in root.findall('object'):
class_name = obj.find('name').text
bbox = obj.find('bndbox')
xmin = float(bbox.find('xmin').text)
ymin = float(bbox.find('ymin').text)
xmax = float(bbox.find('xmax').text)
ymax = float(bbox.find('ymax').text)
width = xmax - xmin
height = ymax - ymin
x_center = xmin + width / 2
y_center = ymin + height / 2
class_index = class_names.index(class_name)
f.write(f"{class_index} {x_center} {y_center} {width} {height}\n")
class_names = ['fire']
xml_folder = 'D:/fire-dataset/fire-dataset/train/annotations'
txt_folder = 'D:/fire-dataset/fire-dataset/train/txtannotations'
for xml_file in os.listdir(xml_folder):
if xml_file.endswith('.xml'):
xml_path = os.path.join(xml_folder, xml_file)
txt_file = os.path.splitext(xml_file)[0] + '.txt'
txt_path = os.path.join(txt_folder, txt_file)
convert_xml_to_txt(xml_path, txt_path)脚本转换后转换为需要的格式文件就可以开始准备进行训练，不过训练先需要按要训练的数据进行修改
