darknet框架简介
https://blog.csdn.net/mao_hui_fei/article/details/113820303

AlexeyAB大佬的关于darknet的详细文档信息
https://github.com/AlexeyAB/darknet

参考文件
YOLOV3训练自己的数据集（VOC数据集格式）
https://blog.csdn.net/weixin_43818251/article/details/89548583

同学们，这个系列的文件不要直接就跟着我操作了，因为这个是踩坑的记录，不是教程，我只是将整个流程记录下来，让后面的同学操作的时候能够避开这些坑，希望你能将整个系列的操作流程看了一遍斟酌后进行操作

那么这里我是使用红绿灯的识别作为目标，标签为"red", “green”, “null”
并且使用VOC数据集

darknet和VOC

首先下载darknet

git clone https://github.com/AlexeyAB/darknet.git

在这里插入图片描述

然后制作自己的VOC的数据集

当在LabelImg中标注完成图片后
然后需要对图片进行批量的重命名，格式是：000001.jpg 000002.jpg ……

标注完成制作好标签后，在darknet/scripts文件夹内建立VOCdevkit
文件夹，VOCdevkit件夹内部文件形式如下
在这里插入图片描述

首先要注意标注生成的.xml文件中的路径问题
当标注任务分给队伍所有人进行标注生成后，汇总的.xml文件中的路径都是不一样的
在这里插入图片描述

所以要对汇总的xml文件中的路径都进行修改
打开/home/heying/darknet/scripts/VOCdevkit/VOC2020/rename_xml.py文件
进行修改路径

########################此文件可将.xml中的路径进行修改#########################

import os
import os.path
from xml.etree.ElementTree import parse, Element

# .xml文件地址
path = "/home/xiong/VOC/VOC_MAX/Annotations/"
# 得到文件夹下所有文件名称
files = os.listdir(path)  
s = []
# 遍历文件夹
for xmlFile in files:
    # 判断是否是文件夹,不是文件夹才打开
    if not os.path.isdir(xmlFile):
        print(xmlFile)
        pass
    path = "/home/xiong/VOC/VOC_MAX/Annotations/"
    newStr = os.path.join(path, xmlFile)
    #最核心的部分,路径拼接,输入的是具体路径
    #得到.xml文件的根（也就是annotation）
    dom = parse(newStr)
    root = dom.getroot()
    #获得后缀.前的文件名(分离文件名和扩展名)
    part = os.path.splitext(xmlFile)[0]
    # 文件名+后缀
    part1 = part + '.jpg'
    # path里的新属性值：
    newStr1 = '/home/xiong/VOC/VOC_MAX/JPEGImages/' + part1
    #通过句柄找到path的子节点，然后给子节点设置内容
    root.find('path').text = newStr1  
    # #打印输出
    print('已经修改')
    dom.write(newStr, xml_declaration=True)
    pass


#原文链接：https://blog.csdn.net/weixin_45392405/article/details/106679679

在这里插入图片描述

完成后使用python3运行
在这里插入图片描述

可以打开其中一个xml文件检查一下
在这里插入图片描述

然后在VOC数据集中新建一个Main文件

然后进行修改
在这里插入图片描述

运行set_txt.py文件生成train.txt和test.txt
适用于训练所需要的各种验证集与数据集
（这一步可能是适用于jetson-inference的训练。可能使用yolov3不需要这一步）
在这里插入图片描述

在darknet中git下来的代码中包含了voc_label.py的python文件，把它放到和 VOCdevkit 同级的目录下。修改相关配置
在这里插入图片描述

修改文件

#这里的参数使用命名文件夹的参数
sets=[('2020', 'train'),('2020', 'test')]

#使用的所有标签
classes = ["red", "green", "null"]
在修改所使用的标签文件，要注意ID号的顺序

在这里插入图片描述

完成后运行
可以看到程序在路径中生成的文件与内容
在这里插入图片描述

并且还会在VOCdevkit同级的目录下会生成2019_train.txt 和 2019_text.txt 两个文件，里面存有对应图片文件的绝对路径，训练时作为引用。
在这里插入图片描述

训练准备

在 darknet/data 目录下建立 myvoc.names 的文件（文件名无所谓，后缀得是.names），内容是类名
在这里插入图片描述

然后将标注的标签写入
在这里插入图片描述
修改 cfg/voc.data 文件，修改后如下所示：

classes= 3
train  = /home/heying/darknet/scripts/2020_train.txt
valid  = /home/heying/darknet/scripts/2020_test.txt
names = data/voc2020.names
backup = /home/heying/darknet/backup/

在这里插入图片描述
其中
【classes= 3】指标签的数量，本次流程为3个
【train = /home/heying/darknet/scripts/2020_train.txt】刚生成的2020_train.txt的绝对路径
【valid = /home/heying/darknet/scripts/2020_test.txt】刚生成的2020_test.txt的绝对路径
【names = data/voc2020.names】刚设置的标签名称的文件
【backup = /home/pjreddie/backup/】训练完成的权重保存路径

完成后保存并退出

然后修改 cfg/yolov3-voc.cfg 文件
主要是 filters 和 classes 的调整，文件前面的Testing和Training模式根据自己进行的方式进行选择，width和height根据自己训练的图片进行调整，但必须为32的倍数。控制训练的迭代次数为1000次

这里我依照启动摄像头的usb_cam程序的长宽来设置分辨率
在这里插入图片描述

然后下载darknet-53的预训练权重文件

wget https://pjreddie.com/media/files/darknet53.conv.74

在这里插入图片描述

开始进行训练

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1 >>  /home/heying/darknet/scripts/VOCdevkit/VOC2020/traffic_light.log

其中
这一行指令可以简化成
./darknet detector train [.data] [.cfg] [.weight]
【cfg/voc.data】→[.data] ：指刚刚配置的.data文件路径
【 cfg/yolov3-voc.cfg】->[.cfg]：指刚刚配置的.cfg文件路径
【 darknet53.conv.74】->[.weight]：是预训练权重文件的路径，可以是.weight文件，也可以是.backup文件
【-gpus 0,1】是使用的GPU的个数，使用了两个
【 >> /home/heying/darknet/scripts/VOCdevkit/VOC2020/traffic_light.log 】这个只是将终端的标准输出记录下来，形成一个log日志文件，方便后续查看
在这里插入图片描述

但是很不幸darknet训练卡住
就是程序一直停滞在这里
在这里插入图片描述

此次流程失败

yolov3的训练（一）下载与训练

darknet和VOC

训练准备

猜你喜欢