yolov5训练voc数据集,如何提取行人类别

要在yolov5中提取行人类别，需要进行以下步骤：

1. 在训练模型之前，需要准备好VOC数据集中与行人类别相关的图像以及标签信息。可以使用标注工具（如labelImg）进行标注，然后将标签文件转换成YOLO格式。YOLO格式通常是一个.txt文件，每个行人的标签信息包含类别编号、中心点坐标、宽度和高度。

2. 在yolov5代码中，需要设置类别数量和类别名称，例如：

num_classes = 1 # 只有一个类别（行人类别）
class_names = ['person']

3. 接下来，在Train.py中，需要对所选择的模型进行微调操作。对于VOC数据集，最常见的预训练模型是COCO预训练模型。因此，在yolov5源码目录下，要找到如下目录：

/yolov5/models/yolov5s.yaml

将其中的‘nc’（类别数量）修改为1，即

nc: 1

4. 将修改后的yolov5s.yaml保存，然后重新运行Train.py。在训练过程中，yolov5会根据图像和标签文件进行学习和调整，从而学习到行人类别。

5. 最终，我们可以使用训练好的模型在新的图像中检测行人类别。使用Yolov5官方提供的Detect.py脚本：

python detect.py --weights ./weights/yolov5s.pt --img 640 --conf 0.25 --source data/samples/

其中，--source参数为待检测的图像目录，--conf参数为置信度阈值。执行完毕后，你将可以看到行人类别的检测结果。