1、前言
前两天，通过OpenCV 对猫和老鼠视频的抽取，提取了48张图片。这里不再介绍，可以参考之前的文章：利用OpenCV 抽取视频的图片，并制作目标检测数据集-CSDN博客
数据的目录如下：
项目的下载见文末
2、制作YOLOV5 的目录
这里的labelimg 里面，有个classes.txt 需要单独拿出来，后续要用
因为YOLOV5的数据结构如下：
这里参考代码：数据集生成 YOLOV5 可训练的数据目录、并且可视化-CSDN博客
生成的数据如下：
3、训练
YOLOV5 的训练，将数据集放进yolov5的主目录
3.1 调整coco128.yaml参数
这里默认的参数是 coco128.yaml 文件，也可以新建，这里改个路径即可。为了方便，这里直接在coco128文件更改
注意，这个coco128.yaml 必须更改！！！
更改如下：
因为这里的路径是相对路径，因为更改为下面的形式，
names就是labelimg生成的classes.txt 文件，照着样子更改即可
权重的话，可以在下面选择：这里就是默认的 yolov5s
3.2 开始训练
coco128.yaml 是必须更改的
更改完成后，直接运行train文件即可
运行效果如下：
看到，训练结果保存在runs/train/exp 目录下
3.3 训练过程可能出现的问题
如下：
修改虚拟内存这个比较重要，按照下面操作即可：
设置-->系统-->关于（或者系统系统）-->高级系统设置
高级-->设置
高级-->更改
这里更改的盘必须是虚拟环境安装的盘符！！
3.4 推理部分
需要指定权重和推理的文件
3.4.1 推理文件夹
下面代码意思是使用runs目录下最好的权重，来推理datasets下val目录下所有图像
python detect.py --weights runs/train/exp/weights/best.pt --source datasets/images/val
可以在runs/detect 目录下查看
3.4.2 推理视频
代码如下：
python detect.py --weights runs/train/exp/weights/best.pt --source ../test.mp4 --view-img3.5 训练过程的文件展示
项目下载：YOLOV5 实战项目：猫和老鼠图像目标检测数据集
