yolov5目标检测：白内障医学图像

一、数据集

数据集有：正常、人工晶状体移位、瞳孔不规则、前房积脓、胬肉、结膜充血、角膜水肿、PCO分类等7个类别。
其中的正常、人工晶状体移位、瞳孔不规则、前房积脓、角膜水肿这几种要框出眼睛和角膜。
结膜充血、胬肉框出眼睛。
PCO分类框出角膜。

二、训练计划

目标类别只有两类：眼睛和角膜。
数据集里有很多图片的眼睛和角膜因照片光线很暗很难区分界限，
所以训练一个检测两个类别的yolo模型很难，我们采取单个类别的目标检测。
也就是检测眼睛和角膜的模型分开训练，PCO分类的图片类型和其他的不太一样，所以检测PCO角膜的模型也要单独训练。
因此，我们需要训练3个模型。

三、标注数据

工具：Github上的开源代码labelImg
https://github.com/heartexlabs/labelImg
1、在GitHub上下载源代码，用Git或者download都行
2、运行labelImg
 2.1、打开anaconda的Prompt窗口，conda activate [你的环境]
 2.2、cd到labelImg文件下，比如我的路径是F:\program\labelImg-master
 先切换到F盘
 F:
 再到labelImg文件夹下
 cd F:\program\labelImg-master
 2.3、安装相关库
 labelImg运行只需要两个库：pyqt和lxml
 conda install pyqt=5
 conda install -c anaconda lxml
 还需要生成一个resources.qrc文件
 pyrcc5 -o libs/resources.py resources.qrc
 2.4、运行
 python labelImg.py
3、标注数据
 注意要指定图片的文件夹和存放标签的文件夹，模式选择yolo，选择自动保存。
 快捷键：W：画一个标注框
 	A: 上一张图
	D: 下一张图
标注好就可以训练了

四、训练yolo

4.1、修改data文件夹下的data.yaml文件