这篇“yolov7数据集及项目部署的方法”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“yolov7数据集及项目部署的方法”文章吧。
首先确保你有labelimg标图软件，若无，需要自行去下一个并看一下标图教程。
当你已经标注完成，获得了img以及相对应的xml之后（如图）
接下来就是可选择项：是否需要图像增强来获取更多样本，如需要点击这里下载 ，直接用enhance_img.py去增强。之后我的习惯是每有一个项目需要训练，则会新建一个文件夹，项目存放的文件如图：
下面ImageSets\Main用于存放后续脚本文件划分训练集测试集的相对应的train.txt,test.txt。hyp.scratch.p5.yaml为yolov7的超参设置，可以直接从yolov7\data下面去拷过来放到你项目里。icon.yaml为你要所要训练的类别和相应的类，同时也会写上实际训练时训练数据和测试数据。该文件如下图。
Main.py就是划分你的数据为训练集和测试集.txt的脚本。整体新建的项目目录就是这样。下面说一下操作流程：1 首先确保是该项目目录方式 2 运行main.py脚本文件得到了ImageSets\Main下面的train.txt,test.txt。3 在yolov7的根目录下运行xml2txt脚本文件。main.py xml2txt.py文件点击这里下载 注意要将该文件的类和项目名改成自己的。如图：
此时，我们的数据准备阶段已经完成，项目目录如图：
红色箭头和红框就是常见改动的地方，改动后就可以训练了。
在等待训练完成之后，就会在runs/train下面获得训练的best.pt,你可以拿着这个pt去做接口使用了。首先，在自己的项目里使用必须要确保yolov7根目录下的models和utils文件夹放到了你的项目根目录。然后下载model_import.py 点击这里下载 嵌入你的任何项目路径下调用predict函数就可以输出检出结果了。
以上就是关于“yolov7数据集及项目部署的方法”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
