在网上一直没找到YOLOv5预标注+CVAT修正labels的方法，就自己摸索了，这里记录一下
一、YOLOv5预标注
yolov5在模型推理阶段，输入命令：
python detect.py --save-txt
即可获得默认设置下的预标注图像 + txt文件。
该命令中save_txt选项用于生成结果的txt标注文件，会生成与图片相同文件名的txt检测框信息文件，每个txt文件会生成一行或多行的信息，一行信息对应一个label, 信息包括类别序号（第几类物体）、xcenter ycenter w h（label的中心坐标信息），label的长宽信息，均为归一化数值，如下图：
输入命令：
python detect.py --save-txt --save-crop
即可获得默认设置下的预标注图像 + txt文件 + 被检物体的截取图像。
也可以在指定其他信息：
python detect.py
--data waterpipe-electricwire.yaml #指定yaml文件
--weights last.pt #权重文件
--source home/images/ #图片读取位置
--device 0
--save-txt
--save-crop
二、CVAT对预标注结果进行修正
需要安装cvat，还没安装的可以看我这篇博客，这里不展开说明：
1.将yolo预标注结果保存成可被cvat读取的格式
创建一个自命名文件夹，自命名文件夹再创建一个obj_train_data文件夹、一个data文件、一个names文件、一个txt文件：
obj_train_data文件用来存放没有检测框的原图 + 被检测生成的txt文件
这里有个问题要注意：有些图片在预训练时没有被检测到目标，所以没有生成对应的txt文件
而obj_train_data文件中的images和txt是要一一对应的
这就要我们提前手动剔除没有txt文件的图片
obj.data写入以下信息，classes = 1即我要检测的类别只有一个
obj.names文件即是定义类别的具体名称，我这里只有一个
train.txt文件存放所有图片的位置，但要注意，这里的位置信息不是绝对位置，而是
data/+相对路径
生成这个信息的代码可以看我这篇博客：python输出文件的位置信息
运行代码会自动生成一个含有图片位置信息的train.txt文件，位于被测图片同级目录下，生成结果也会显示在终端：
2.CVAT导入数据
打开cvat，点击projects, 创建create a new project
项目随意命名，一定要注意的是，
constructor创建的标签名和上述obj.names文件定义类别的名称是一致的
subimt 后选择open project, 点击import dataset上传材料
选择yolo 1.1，将包含 obj_train_data、data文件、names文件、txt文件的压缩包上传
3.完善标注
标注小技巧
- 标注过程中的快捷键可以省很多力气，以下是比较常用的几个：
- 保存： Ctrl + S
- 删除： Delete
- 缩放：鼠标滚轴，往上放大，向下缩小
- 拖动：鼠标左键点击并拖动图片，调整位置
- 下一帧：F
- 上一帧：D
- 向后跳十张: Shift+Ctrl + V
- 向前跳十张: Shift+Ctrl + C
- 复制框：Ctrl + C
- 粘贴框：Ctrl + V
- 重复上一次标注框参数：N，比如连续标一类头框，那么每次重复标时按N可以直接标下一个头框
- 对选定对象连续标注接下来所有帧内此对象：Ctrl + B
- 转换标签：Ctrl+(0..9)
更多使用方法看我的这篇博客： CVAT安装及图片标注使用教程_问题多多快快改的博客-CSDN博客
总结
这里只是简单介绍了yolo+cvat的联合使用，更多方法欢迎评论区留言讨论