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
labelimglabelimg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
)
