如何放置训练Yolov5的数据集？
How to place the dataset for training Yolov5?
我目前正在使用 yolov5 进行对象检测。我使用自定义数据集训练了一个模型，该数据集包含 3 类 = ['Car','Motorcycle','Person']
我有很多关于yolov5的问题。
所有自定义图像均使用 Roboflow 进行标记。
问题 1：正如您从 table 中看到的那样，我的数据集混合了不同大小的图像。这在训练中会不会有问题？并且还假设我已经训练了模型并得到了“best.pt”。该模型能否在 images/videos.
的任何维度上有效工作
问题 2：
此目录模型是否适合训练。即使我有“测试”目录，但似乎根本没有使用该目录。 “测试”文件夹中的图像是无用的。 （我知道我问的是白痴问题，请多多包涵。）
我所有的图片都这样放可以吗
我需要一个“测试”文件夹吗？
问题3：detect.py中的'imgsz'是什么？是否对输入源进行下采样？
我在yolo上用了3个多星期。我喜欢它，但我发现有些部分很难掌握。请为这个问题提供建议。提前致谢。
"问题 1：正如您从 table 中看到的那样，我的数据集混合了不同大小的图像。这会成为训练中的问题吗？并且假设我已经训练了模型并得到了'best.pt'。该模型能否在 images/videos 的任何维度上高效工作。"
- 只要您 resized/normalized 所有图像的 正方形 大小相同，就应该没问题。 YOLO 在方形图像上训练。您可以使用像 Roboflow 这样的平台来处理您的图像，这样它们不仅可以以正确的结构出现（对于您的图像和注释文件），而且可以在生成数据集时调整它们的大小，使它们的大小相同。 http://roboflow.com/ - you just need to make a public workspace to upload your images to and you can use the platform free. Here's a video that covers custom training with YOLOv5: https://www.youtube.com/watch?v=x0ThXHbtqCQ
Roboflow 的 python 包也可用于以编程方式提取图像：https://docs.roboflow.com/python
“这个目录模型是否适合训练。即使我有'test'目录，但似乎根本没有使用该目录。'test'文件夹中的图像没有用。（我知道我'我在问愚蠢的问题，请坦白。）"
- 是的，目录模型在训练中是正确的。每当我 运行 YOLOv5 训练时也是如此。
如果您想 运行 对测试文件夹图像进行推理以了解有关模型性能的更多信息，则确实需要一个测试文件夹。
detect.py中的'imgsz'参数用于设置推理图像的height/width。当你 运行 train.py.
时，你将它设置为你用于 --img 的值
例如：在生成训练图像时将图像大小调整为 640 x 640？使用 (640, 640) 作为 'imgsz' 参数（这是默认值）。这也意味着您在 运行 train.py
时将 --img 设置为 640
detect.py parameters (YOLOv5 Github repo)
train.py parameters (YOLOv5 Github repo)
YOLOv5 的 Github：获得最佳训练结果的提示 https://github.com/ultralytics/yolov5/wiki/Tips-for-Best-Training-Results
Roboflow的模型制作技巧：https://docs.roboflow.com/model-tips
我目前正在使用 yolov5 进行对象检测。我使用自定义数据集训练了一个模型，该数据集包含 3 类 = ['Car','Motorcycle','Person']
我有很多关于yolov5的问题。
所有自定义图像均使用 Roboflow 进行标记。
问题 1：正如您从 table 中看到的那样，我的数据集混合了不同大小的图像。这在训练中会不会有问题？并且还假设我已经训练了模型并得到了“best.pt”。该模型能否在 images/videos.
的任何维度上有效工作问题 2：
此目录模型是否适合训练。即使我有“测试”目录，但似乎根本没有使用该目录。 “测试”文件夹中的图像是无用的。 （我知道我问的是白痴问题，请多多包涵。）
我所有的图片都这样放可以吗
我需要一个“测试”文件夹吗？
问题3：detect.py中的'imgsz'是什么？是否对输入源进行下采样？
我在yolo上用了3个多星期。我喜欢它，但我发现有些部分很难掌握。请为这个问题提供建议。提前致谢。
"问题 1：正如您从 table 中看到的那样，我的数据集混合了不同大小的图像。这会成为训练中的问题吗？并且假设我已经训练了模型并得到了'best.pt'。该模型能否在 images/videos 的任何维度上高效工作。"
- 只要您 resized/normalized 所有图像的 正方形 大小相同，就应该没问题。 YOLO 在方形图像上训练。您可以使用像 Roboflow 这样的平台来处理您的图像，这样它们不仅可以以正确的结构出现（对于您的图像和注释文件），而且可以在生成数据集时调整它们的大小，使它们的大小相同。 http://roboflow.com/ - you just need to make a public workspace to upload your images to and you can use the platform free. Here's a video that covers custom training with YOLOv5: https://www.youtube.com/watch?v=x0ThXHbtqCQ
Roboflow 的 python 包也可用于以编程方式提取图像：https://docs.roboflow.com/python
“这个目录模型是否适合训练。即使我有'test'目录，但似乎根本没有使用该目录。'test'文件夹中的图像没有用。（我知道我'我在问愚蠢的问题，请坦白。）"
- 是的，目录模型在训练中是正确的。每当我 运行 YOLOv5 训练时也是如此。
如果您想 运行 对测试文件夹图像进行推理以了解有关模型性能的更多信息，则确实需要一个测试文件夹。
detect.py中的'imgsz'参数用于设置推理图像的height/width。当你 运行 train.py.
时，你将它设置为你用于 --img 的值例如：在生成训练图像时将图像大小调整为 640 x 640？使用 (640, 640) 作为 'imgsz' 参数（这是默认值）。这也意味着您在 运行 train.py
时将 --img 设置为 640detect.py parameters (YOLOv5 Github repo)
train.py parameters (YOLOv5 Github repo)
YOLOv5 的 Github：获得最佳训练结果的提示 https://github.com/ultralytics/yolov5/wiki/Tips-for-Best-Training-Results
Roboflow的模型制作技巧：https://docs.roboflow.com/model-tips