Yolo数据集由两个文件夹构成

images存放的是训练与测试的所有图片；

labels存储每张图片对应的标签

第一个数字代表每个目标对象的类别编号

后面两个数字代表目标对象在图像中的中心位置(x,y)

最后两个数字代表目标对象的宽度和高度(w,h) 

标注的工具一般是两种：labelme和labelimg。

大致的区别：

labelme可以标注分割，关键点检测，这种连线的（最后生成的标签文件是json后缀，所以需要yolo格式需要进一步转换）

labelimg就是标注框选这种，目标检测的，可以直接获取Yolo文件的格式。

以使用labelimg为例：

创建一个标注的虚拟环境：

conda create -n labelimg python=3.8
coonda activate labelimg
pip install labelimg
labelimg

labelimg设置如下：点击view选择

Auto Save mode:切换到下一张图片的时候，会自动保存标签

Display Labels:会显示标注框和标签

Advanced Mode:标注的十字架会一直悬浮在窗口

若只是对于目标检测：

 从第一个图片开始，点击edit中的Create RectBox