🌂自定数据集
该章说明如何自定义数据集并开始训练然后用摄像头识别。 效果:
拍摄照片
拍摄不同环境，不同角度，不同距离下的目标物体照片，注意拍摄目标物体被遮挡一部分的照片。简而言之，尽可能拍摄物体现实中会出现的所有情况的照片。
标定
通过网站 https://www.makesense.ai/ 进行目标的标定。
添加照片
首先在与yolo根目录的上级目录datasets目录下新建一个文件夹mytrain，并新建images和labels两个文件夹。将拍摄的照片原图重命名（若文件丢失方便定位）并移动到images目录下。
Tips: Windows下批量重命名照片。首先全选需要改名的照片，将第一个改为name，回车，就会发现照片全部重命名为name(i)，i从1开始。若将第一个改为name(i)，则后续名称为name(i+n)，即i从i开始（该方法适合后续添加照片）。
标定
打开标定网站，将照片拖入网站，选择object detection。
划区目标物体，以耳机盒为例。尽可能将其正好框在区域内。
添加一个标签，该标签是最终检测时会呈现的名字，所以必须统一，尽量简短。
以同样的方法将所有照片进行标定，最后注意检查是否所有照片都已经标定，所有标签都已打好。
如果需要标定多个物体，以上述同样方法操作。
标定完成之后，即可导出.
导出为yolo支持的格式。
导出的文件中为对应照片名字的txt文档，将其全部解压到2.1步骤中的labels文件夹。
至此我们新建的mytrain中的images中为训练的目标照片，labels中为这些照片对应的标定参数文件，数据集建立完成。
修改配置文件并开始训练
在data中创建mytrain.yaml文件
输入以下内容：
path: ../datasets/mytrain # dataset root dir
train: images #
val: images #
/# Classes
nc: 1 #物体类别个数
names: ['earphone'] # 物体类别名称，与标定名称保持一致
修改train.py中cfg参数
修改为3.1创建的文件路径
开始训练
使用摄像头识别
todo