每天都有新的发现，这篇博文首先讲一下如何制作自己的数据集，为后面训练自己的YOLOV5先打下基础。在python环境安装好的前提下，输入下面的代码安装制作数据集的工具。
pip install labelimg
安装过程如下所示。
如果想提高速度，也可以在安装指令中指定数据源。
pip install labelimg -i https://pypi.doubanio.com/simple
然后将需要标注的数据集，按照下面的目录结构放入到指定的文件夹中。，首先建立两个文件目录，images存放图片数据，labels存放标签数据。
文件夹的下级目录，如下图所示。一共有三个目录，分别存放训练数据，测试数据跟验证数据。
每个目录下名字自己设置，也可以按照我的进行命名，如下图所示，以train为例。
下面说一下labels目录，其结构与images结构相同，主要是使用labelimg标注过程中会产生标签数据，其目的就是存储标签数据。
上述准备工作都准备完成，下面我们利用labelimg进行数据标注。首先在终端输入下面的代码打开labelimg工具
labelimg
第一次打开大概是这个样子。
首先，我们点击"open dir"，选择刚刚images文件夹下的的train目录；然后点击"change save dir"选择labels文件夹下面的train目录。选择完成后，会自动加载images文件夹下train目录的第一张图片，如下所示。
我们主要是标注是否佩戴口罩，如果佩戴口罩标注为mask，没戴口罩标注为face。所以按照下面指示，首先点击标记1区域，选择标注数据集的类型，由于我们需要标记yolo格式，所以选择yolo，然后点击标记2区域，就是框选需要识别的区域，并在标记完弹出的框中输入标记的类型(mask、face)
标记过程如下所示
每标记完一张图片点击"next image"即可进行下一张的标记，每次标记完一张图片最好都“ctrl+s”保存一下。标记完成后，labels下面的train目录就自动生成了数据。如下所示。
其中classes.txt是标注的种类，结果如下。
然后每个标签对应的与图像的名字一致，主要是存放了标签类型与标记框的信息，如下所示。
其他的测试集与验证集的标注方法与训练集相同，这里不再一一赘述，需要说明的是数据集最好多一些图片，不然训练的结果非常差劲，所以数据集的标注也是一件非常重要而且繁琐的事情。
原文：https://juejin.cn/post/7101847926565470216