搭建训练的环境参考yolo的官网:GitHub – ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
获取工程可以从yolo的官方网站获取或者直接从跟本人的网盘获取（非免费介意误下载）：无需配置训练的数据解和下载数据，搭建好训练环境后就可以使用本工程直接训练障碍物（雪花桶）的检测：通过网盘分享的文件：训练障碍物
链接: https://pan.baidu.com/s/1foJEuroXU2mBA_AaOkHjrg 提取码: 9sz6 （
内部包含修改后的工程和训练用的数据集：训练4328样本测试606样本，训练好的模型可以直接使用哦 ）
#创建JSCON数据
python create_coco_json.py
训练4328样本测试606样本
训练4328样本测试606样本
#生成训练用的txt文件
cd classself/coco
python get_all_files_to_txt.py
准备好数据后配置文件coco.yaml
# class names
names: ['traffic cone']
# number of classes
nc: 1
train: classself/coco/train2017.txt
val: classself/coco/val2017.txt
test: classself/coco/test-dev2017.txt 
准备好数据后配置文件yolov5s_self.yaml
path: classself/coco
train: train2017.txt
val: val2017.txt
names:
0: traffic cone
开始训练
#训练
python train.py --data classself/coco/coco.yaml --weights '' --cfg models/yolov5s_self.yaml --img 640 --workers 0 --device 0
#断点续训
python train.py --resume runs/exp/weights/last.pt
python train.py --resume训练模型保存路径
测试
python detect.py --source data/images --weights runs/train/exp/weights/best.pt测试结果路径
测试结果：
-=||=-赞 (1)
