因为作者在准备电赛，学习使用k210进行目标检测，使用Mx_yolo3进行数据的采集和训练模型。
本篇旨在供各位学习，有什么错误可以爽快指出，作者会定期修改。
本文步骤：
1.准备工具
2.采集数据
3.处理数据
4.标注数据
5.训练模型
6.得到和使用模型
1.准备工具
（1）Mx_yolo4
百度网盘下载地址：
链接：https://pan.baidu.com/s/1o2ro-fBac5eDqcwZ9U1nMw
提取码：1CHC
建议使用4，无需配置环境
（2）图像大小批量修改器：
图片大小批量修改器最新版下载-图片大小批量修改器下载-PC下载网
2.采集数据
首先创建3个文件夹，一个是原始采集图片文件夹images_original（未经处理的图片文件夹），另外一个是经裁剪修改大小后的文件夹images（即训练模型所用的图片文件夹），另外一个是标签文件夹xml（标注后的标签文件夹），建议目录都是英文。
（1）拍摄采集
如果使用电脑拍摄照片，可用Mx_yolo4自带的数据采集功能，当然也可以使用k210，在连接摄像头这里选择连接的摄像头即可。然后选择种类名称（class类别）和输出文件夹images_original，然后进行拍摄。
（2）批量抓包采集
这里也可以使用mx-yolov4自带的抓包工具（如下图）抓取网络上的图片，实现批量采集，这里方法比较简单，就不多介绍了。
3.处理数据
使用图像大小批量修改器修改图像大小，因为K210的图像要求224×224的，所以我们需要对图片进行修改尺寸（工具也可以进行重命名）。设置好参数，源文件目录为上述images_original，处理后目录为images，选择重命名处理大小（或者批量处理大小）即可。
4.进行数据标注（获取标签）
处理完数据大小之后开始进行数据的人工标注，首先打开Mx_yolo4的图片标注助手（有快捷键，所以标注起来挺快的）
然后设置这两个文件夹，一个是打开文件夹（即图像输入文件夹images），一个是选择保存文件夹（即标签输出文件夹xml）
设置完后会出现文件夹下的所有图片，然后开始进行标准，按W键进行画框，并输入标签，
点击OK之后再按D键进行下一个标准，如此反复标注完全部数据，标签会自动保存在xml文件夹。
5.训练模型
处理完数据并标注之后，开始训练模型，选择图片文件夹（images）和标签文件夹（xml），然后选择你需要的参数，开始进行训练（我这边选择次数1是方便看能否正常训练）。
注意：转换模型的输入输出以及量化图片路径不能带有空格，不然会转换失败
OK，训练完成，得到模型。
6.得到和使用模型
模型寻找：
得到的模型的目录一般在 mx-yolo\out\yolo_****下，如果不知道是哪一个可以查看软件的训练记录（右边的蓝条）
这里detector_result.zip便是训练后的结果，里面有你想要的数据，将它解压
解压之后得到以下文件
文件说明:
* boot.py: 在 maixpy 上运行的代码
* *.kmodel 或者 *.smodel: 训练好的模型文件（ smodel 是加密模型 ）
* labels.txt: 分类标签
* startup.jpg: 启动图标
* report.jpg: 训练报告,包括了损失和准确度报告等
* warning.txt: 训练警告信息，如果有这个文件，务必阅读， 里面的原因可能会导致训练精度低（我训练的结果没有）
使用方法:
有SD卡：
0. 按照文档(maixpy.sipeed.com)更新到最新的固件
如果新固件出现bug,可以使用这个固件测试(选择minimum_with_ide_support.bin):
https://dl.sipeed.com/MAIX/MaixPy/release/master/maixpy_v0.5.1_124_ga3f708c
1. 准备一张 SD 卡, 将本目录下的文件拷贝到 SD 卡根目录
2. SD 卡插入开发板
3. 开发板上电启动
4. 摄像头对准训练的物体,
屏幕左上角会显示 物体标签 和 概率
屏幕左下角会显示 运行模型消耗的时间,单位是毫秒
没有 SD 卡:
* 按照 maixpy.sipeed.com 文档所述的方式, 将模型烧录到 flash
* 修改 boot.py 的 main 函数调用的参数: model 在 flash 中的地址
* 其它资源文件,比如 startup.jpg 可以通过工具发送到开发板的文件系统,或者不管, 没有会自动跳过显示
* 运行 boot.py
* 如果以上的步骤您不理解,那么应该先完整按照 maixpy.sipeed.com 的文档学习一遍使用方法就会了
7.总结
1.准备工具
2.采集数据
3.处理数据
4.标注数据
5.训练模型
6.得到和使用模型
很明显mx-yolov4比3好了很多，优势如下：①不需要进行模型的转换，在mx-yolov3中，模型需要从.h5转换成.kmodel，而4则省略了这部，自动输出结果。②不需要每次训练完模型都修改一次boot.py，会自动导出.py。③软件界面更加简洁，BUG少不卡顿。④数据采集拍摄功能强大。
总之这是个很好的软件，相比于3它有更多优点，相信大家都能学会使用，并运用于K210，对了，关于模型在K210的实现，如果有时间，我后续会更新，看大家反响了，其实也是很简单的。