在PC训练模型

制作数据集

收集待标记的png、jpg、JPEG、bmp、webp格式图片数据，推荐使用jpg格式。图片分辨率不高于1080P，单张图片不大于1MB，推荐每个类别的图片数量在100张左右，并放置在全英文路径下。
注：图片名称不要带字符"."。
为模型迁移准备数据集，进行图像标注，在模型适配工具界面选择“检测模型”。
1. 单击“打开目录”选择1收集的数据集目录进行标注。
2. 单击按钮，使用矩形框包围目标后单击鼠标左键，弹出添加标签界面，如图1所示。填写对应目标分类标签与Group ID号，当一个图片中有多个目标时需填写不同的ID号，单击“确定”完成标注。
  图1 添加标签
  
  图2 标注结果
3. 若标记错误可单击按钮，按住左键可以移动标记框，移动鼠标至矩形框并单击“鼠标右键”，对矩形标签进行修改。
  图3 修改标签
4. 当前图片标注完成后，单击图片上方菜单栏中图标或在左侧文件列表选择下一张图片进行标记，直到完成所有图片的标注任务。
- 标注时输入标签仅支持数字、字母、下划线。
- 数据集图片要从实际模型部署使用的环境获得。
- 需将图片中的所有待检测目标都标注出来，漏标注将影响模型精度。
- 边框需要紧密框住每个目标，且类别正确，标注无误。

模型迁移

在工具界面单击下方“一键迁移”按钮，进入配置界面，输入迁移信息，单击“一键迁移”开始迁移。
图4 模型一键迁移配置界面
- 数据集路径：2中标注的数据集路径。
- 数据集拆分：将图片划分成训练、验证以及测试集的比例，推荐值：0.3。默认拆分0.1的测试集用于边缘推理，训练集与验证集按输入拆分比例再次进行拆分。
- 迭代次数：训练轮次，推荐值：100。
- 每批图片数：参与每个批次训练的图片张数，推荐值：12。
- 预训练模型：可选yolov5s，yolov5n，yolov5l，yolov5x，默认yolov5s。
- 输出目录：模型输出路径。
- 使用早停策略：勾选后，可根据设置的mAP值（均值平均精度，一般指图片内所有类别的AP的平均值）和持续迭代不上升次数，提前停止训练。
  - mAP达到（值）：该训练模型精度已达标，可停止训练的阈值，默认值：0.99。
  - mAP连续迭代不上升次数：mAP值达到某一水平，多次迭代后并无提升的次数，默认值：10。
当使用模型适配工具一键迁移时突然断电、重启、进程卡死或手动取消时，可能会引起输出文件残留，请用户自行删除残留文件后再进行一键迁移，请参见使用模型适配工具一键迁移时出现输出文件夹残留和手动取消迁移导致模型适配工具异常退出解决。
迁移完成后会出现提示框，提示已生成打包好的文件，如图5所示。在训练输出目录会生成以下文件与目录，如图6所示。
- train_output：训练输出的权重文件、onnx文件以及训练数据信息json文件。
- trans_output：经过数据转换，根据数据集拆分设置生成的测试集、验证集、训练集。
- infer_project.tar.gz：打包好的推理相关模型文件与脚本。
图5 迁移完成

 图6 输出文件

父主题： 构建目标检测跟踪应用