Yolo训练自定义目标检测
参考darknet:https://pjreddie.com/darknet/yolo/
1. 在 https://github.com/pjreddie/darknet 下载zip
(注意:git clone 之后‘make’有“Counldn't open coco.name”的error,搜了一下,直接下载zip可以解决)
2. make
3. 下载pretrained weight
4. 运行单图片检测
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 能运行说明检测没有问题
5. 准备数据集
套用voc数据集的格式,把自定义的 label txt 格式。每个图片对应一个txt
<object-class> <x> <y> <width> <height>
自定义数据放在这里voc_label.py 工具将xml转为txt
6. 训练
修改 cfg
数据集路径在 .data 文件中修改
1 classes= 20
2 train = <path-to-voc>/train.txt
3 valid = <path-to-voc>2007_test.txt
4 names = data/voc.names
5 backup = backu
cfg.
修改最会一次layer filter
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74
yolov3:filters=(classes + 5)x3