1.数据标注
（1）打开网页：https://www.makesense.ai/
（2）点击“Get Started”
（3）点击“Drop images or Click here to select them”
（4）上传图片，选择“Object Detection”
（5）点击下图红色框
（6）填写标签名称，如“Target”
（7）点击“Start project”
（8）框选目标，并选择标签
（9）点击“Actions”之后点击“Export Annotations”
（10）选择YOLO格式
（11）点击“Export”输出
（12）标签格式如下图
2.训练YOLOv5
2.1 组织文件
（1）去YOLOv5官网下载，https://github.com/ultralytics/yolov5
（2）在YOLOv5-master文件夹下新建一个存放图像和标签的文件，此处我命名为“my_data”
（3）在“my_data”文件下新建两个文件夹，分别命名为“images”“labels”
（4）在“images”“labels”下分别再创建两个名为“train”“test”的文件夹，分别用于存放训练集和测试集的图片和标签。
（5）把训练集和测试集图片和标签放到相应的文件夹中。
2.2 修改相关配置参数
（1）训练时，在yolov5-master–>data–>coco128.yaml中修改如下参数。
①文件目录
├── yolov5
└── datasets
└── coco128
②修改train，val，test路径，为图片所在路径；
③在number of classes中修改类别的数量；
④修改class names，在字典names中修改，严格按照数据标注的顺序和名称修改；
⑤打开train.py开始训练；
⑥训练结果存放在runs-->train文件夹中
（2）测试时，在在yolov5-master–>detect.py中修改的参数。
parser.add_argument('--weights', nargs='+',
type=str, default=ROOT / 'yolov5s.pt', help='model
path or triton URL')
在上面的代码中修改修改default=“”，引号中存放权重路径，在runs-->train-->weights中
①若想检测图片，则在
parser.add_argument('--source', type=str,
default=ROOT / 'data/images',
help='file/dir/URL/glob/screen/0(webcam)')
中把default=“”引号中存放待检测图片所在路径
②若想检测相机的视频流，则把代码改为default=“0”
参考链接
https://www.bilibili.com/video/BV1tf4y1t7ru/?p=10&vd_source=3bfc1e5addc053ba832268d83b51b558