一、垃圾分类目标检测数据集---Pascal Voc数据集二、对数据集进行分析三、开发环境搭建及项目代码初步使用
一、垃圾分类目标检测数据集—Pascal Voc数据集参考学习(必看)：https://blog.csdn.net/u013832707/article/details/80060327
假设一张图片的宽为1000，高为654：
标记方式一：bbx的左上角坐标，右下角坐标
标记方式二：bbx的中心点坐标以及该点到矩形框底边和侧边的距离
可以用python代码实现两种标记格式的转换: def convert(size, box): dw = 1./size[0] dh = 1./size[1] x = (box[0] + box[1])/2.0 y = (box[2] + box[3])/2.0 w = box[1] - box[0] h = box[3] - box[2] x = ×*dw w = w*dw y = y*dh h = h*dh return (x,y,w,h) box[0]: xmin box[1]: xmax box[2]: ymin box[3]: ymax二、对数据集进行分析
首先利用脚本pascal_voc_xml2json.py 产生 trash_instances.json(coco数据集一般会提供) 使用Jupyter Notebook和eda_trash.ipynb进行探索性数据集分析三、开发环境搭建及项目代码初步使用
1、安装一个python集成开发环境，如PyCharm Community Edition或者Anaconda3
pycham安装教程：https://www.runoob.com/w3cnote/pycharm-windows-install.html 注：这个教程中有添加环境变量的选项，但是在我安装python 3.8.2过程中界面有添加 环境变量的选项，并不用按照这个教程中的方法去添加，大家安装完成后可在windows命 令行终端(win+r 输入cmd)测试，安装成功则如下所示：
https://blog.csdn.net/ITLearnHall/article/details/81708148
2、从Github下载代码到本地进行初步使用，大家可在windows端安装一个Git Bash软件，便于下载代码到本地，至于Git的使用方法，我相信看到我文章的朋友已经不是一个软件小白了，应该懂git的基本使用(如若不会，请百度搜索《廖雪峰git》自行学习)
1） 克隆yolov5项目 安装Git软件（https://git-scm.com/downloads），克隆项目到本地： git clone https://github.com/ultralytics/yolov5.git 这样一般下载的新版本，或者直接下载YOLOv5的5.0版本的代码(我使用的是该版本， 不同版本代码文件略有区别)。
2)根据该项目的配置文件安装该项目运行所需要的库，在命令行进入改项目文件夹所在的目录下，即在yolov5路径下执行(和我不同版本的项目代码可能需要删除一个项目自带的 setup.cfg文件，否则下边命令无法执行成功)： pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple -i https://pypi.tuna.tsinghua.edu.cn/simple：指定镜像下载源为清华源，下载速度 较快相比于python官方源的地址 此外在命令执行过程中还可能遇到错误如： (1)解决ModuleNotFoundError: No module named ‘pip‘问题： https://blog.csdn.net/haihonga/article/details/100168691 (2)Microsoft Visual C++ 14.0 is required”或者“unable to find vcvarsall. bat”的问题： https://blog.csdn.net/u013085021/article/details/105960079?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-3.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-3.pc_relevant_default&utm_relevant_index=6 （该博客评论中有解决问题的关键，提供了离线文件）
3） 下载预训练权重文件 下载yolov5s.pt，yolov5m.pt，yolov5l.pt，yolov5x.pt，yolov5s6.pt等权重文件， 并放置在weights文件夹下（若无该文件则自行创建一个） 下载链接：https://github.com/ultralytics/yolov5/releases/tag/v5.0
4)进行测试项目代码 在yolov5路径下执行： python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf-thres 0.4 成功执行的效果如下所示：
本文章参考了百度百科，他人技术文章以及哔哩哔哩免费教程，综合整理而来，如有侵权联系删除，小白一个，欢迎大家指导交流！
