此教程可以完整的在Win完成：制作数据集、训练yolo、转换成k210可用的Kmodel文件
有问题希望大佬们及时指出~
https://github.com/TonyZ1Min/yolo-for-k210

– – – – – – – – – – – – – – – – – – – – – – -*-
1# 下载并安装anaconda3
Official Website：https://www.anaconda.com/distribution/#download-section
建议从镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.02-Windows-x86_64.exe
(安装时记得勾选【Add Anaconda3 to my PATH environment variable】)
– – – – – – – – – – – – – – – – – – – – – – --
2# 下载工具
下载github工程，在工程根目录下将[train_ann.zip]和[train_img.zip]解压到当前文件夹
下载ncc工具箱：https://pan.baidu.com/s/1NT2tG4Rv2YJyjOKRh-3t4w 提取码：z9fr
将[ncc_0.1_win.zip]放置在工程根目录，解压到当前文件夹
– – – – – – – – – – – – – – – – – – – – – – -*-
3# 准备环境
Anaconda 命令行，进入工程根目录：
中国地区建议先给anaconda和pip换源,参照：https://blog.csdn.net/leviopku/article/details/80113021
新建环境： [$ conda create -n yolo python=3.6]
激活环境： [$ conda activate yolo]
安装必要软件包： [(yolo) $ pip install -r requirements.txt]
– – – – – – – – – – – – – – – – – – – – – – --
4# 修改参数
在[configs.json]中修改网络类型，你要识别的种类lable（如raccoon），和其他参数注意存放图片(train_img)和存放注释(train_ann)的文件夹名称

– – – – – – – – – – – – – – – – – – – – – – -*-
5# 如果只有自己的样本图片(任意尺寸)，还没有注释文件，使用根目录下的[labelImg.exe]进行注释：
先将图片放在train_img文件夹

Open Dir—>选择存放图片的文件夹(train_img)

Change Save Dir—>选择存放注释文件夹(train_ann)

Create RectBox—>框选要标注的物体并输入lable(和上面configs中的名称相同)

Save后点下一个(Next Image)
– – – – – – – – – – – – – – – – – – – – – – --
6# 开始训练：
[(yolo) $ python train.py -c configs.json]
等待训练结束，会出现时间命名的文件夹，里面的tflite文件就是训练好的模型,重命名(如：test.tflite)并复制到工程根目录
– – – – – – – – – – – – – – – – – – – – – – --
7# 转换成Kmodel：
[(yolo) $ ncc_0.1_win\ncc test.tflite test.kmodel -i tflite -o k210model —dataset train_img] (dataset前面是两个-)
转换完成根目录会出现test.kmodel，即可烧录进k210中运行
– – – – – – – – – – – – – – – – – – – – – – --
8# 运行
maixpy程序见(maixpy_code)文件夹，如有修改configs记得修改对应的archor、图像大小(224224)、lable