yolov5+ dddd_trainer实现图标点选识别
这阵子业务上遇到一个极验三代的图标点选验证码，没办法只能自己手搓模型了，我这里训练过程分为两部分，第一部分使用yolov5目标检测识别到位置坐标，然后用ddddorc进行分类识别，所以一共会有两个模型。至于为什么不使用yolov5的分类识别是因为我尝试过后发现识别效果差强人意。
首先是先标注目标检测数据集
这里我用的是labelimg，具体使用和安装就赘述了，大家看这篇文章就行文章就行这里一定要选择保存为yolov5
yolov5用作目标检测还是非常牛的，我仅仅用了107张标注就达到了90+成功率，我们标注只需要分为两类，第一类是目标，第二类是结果
我这里用A,B来区分，别忘了选择yolov5格式的，要不然默认保存xml，要不然你还得自己写代码转text
需要下载yolov5项目以及权重文件
git clone https://github.com/ultralytics/yolov5 #yolov5项目地址
https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt #yolov5 权重下载地址
开始训练目标检测模型
新建一个yaml文件，用于训练的配置，将数据集分为三类，训练集、验证集、测试集 data/train.txt，data/val.txt，data/test.txt存放我们的图片路径。labels存放我们的标注数据。
训练参数按照我的就好
训练完成之后需要用export.py转为onnx模型
这里是训练好的模型结果，成功率基本在90+，这个还是107张的效果
标注分类数据集
对图片下载切割后分类，我们这里将图片统一放大到60*60，好在类目不多只有100种左右，每种大概准备40张，所以总数在4000张，这起名字太费脑子了。。。。
这里不想自己标注的可以用超级鹰，这么多可能也就几十块，我这里就比较油了，我每一样先标注10张然后去训练成功率在50，然后把对的挑出来，然后慢慢叠起来，差不多到每种40张成功率就90+了。
开始训练分类模型
怎么训练我这里就不多说了，小白上手很简单，项目文档给了使用方法
https://github.com/sml2h3/dddd_trainer
唯一注意的是加上 --single参数就行了
他这里训练生成的就是onnx模型，所以我们就不用转了
最后是训练好的结果,先进行x轴进行排序，得到点选的顺序，再用A，B中键值对匹配顺序就行了,cv2无法展示中文，所以我改成了顺序进行进行展示。
完结撒花！
