win10下yolov3训练自己的数据集

在win10下用yolov3训练自己的数据集

1. 在darknet-master\build\darknet\x64 新建yolo-obj.cfg文件（可以直接复制yolov3.cfg,然后重命名为yolo-obj.cfg），

然后就是修改这个文件内容了。

将batch 改成64 ：batch=64

将subdivisions 改成8 ：subdivisions=8

将每个yolo下（共有3处）的classes改成你自己的类的数量：classes = 1（我的是1类）

将每个yolo上面第一个convolutional下的filters改成你自己的大小，计算方法是： filters=(classes + 5)x3 ,由于我的是1类，所以我的filters=18. （和上面一样，共有3处，3个yolo，每个yolo上面的第一个convolutional下的filters）每个yolo上面的第一个convolutional是网络的最后一个输出层。

！！！注意注意：如果你对显卡较差（4G显存以下），会出现内存溢出错误（Out of memory），改正方法：将batch改小些（64,32,16,8），将random改成0关闭多尺度训练。

2.在build\darknet\x64\data\下新建obj.names文件，里面写入你的类名，每个类名占一行。

3.在build\darknet\x64\data\下新建obj.data文件

把类别数改成你自己的数量。其他不变。

4.将你的所有样本图片放到：build\darknet\x64\data\obj\

5.将所有图片对于的txt文件也放到：build\darknet\x64\data\obj\

txt文件格式如下

jpg图片对应的txt可以用python脚本生成（不过要先用图片标注工具将目标圈出来，生成的是xml文件），下面是标注工具的下载链接：

链接：https://pan.baidu.com/s/1Vq5A96iB2Mo0waguvQSa2Q 密码：drlh

下面是将xml装成txt的脚本：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

classes = ["bicycle"]  # 自行车检测


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id):
    in_file = open('D:/darknet-master/scripts/VOCdevkit/voc/Annotations/%s.xml' % (image_id))

    out_file = open('D:/darknet-master/scripts/VOCdevkit/voc/labels/%s.txt' % (image_id), 'w')  # 生成txt格式文件
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        cls = obj.find('name').text
        if cls not in classes:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


image_ids_train = open('D:/darknet-master/scripts/VOCdevkit/voc/list.txt').read().strip().split('\',\'')  # list格式只有000000 000001

# image_ids_val = open('/home/*****/darknet/scripts/VOCdevkit/voc/list').read().strip().split()


list_file_train = open('boat_train.txt', 'w')
list_file_val = open('boat_val.txt', 'w')

for image_id in image_ids_train:
    list_file_train.write('D:/darknet-master/scripts/VOCdevkit/voc/JPEGImages/%s.jpg\n' % (image_id))
    convert_annotation(image_id)
list_file_train.close()  # 只生成训练集，自己根据自己情况决定

# for image_id in image_ids_val:

#    list_file_val.write('/home/*****/darknet/boat_detect/images/%s.jpg\n'%(image_id))
#    convert_annotation(image_id)
# list_file_val.close()

5.在build\darknet\x64\data\下新建train.txt

将你的训练图片的路径放入文件，每行一个路径，如下图：

6.将darknet的预训练权重放入build\darknet\x64，下面是我的网盘链接，我的网盘里有：

链接：https://pan.baidu.com/s/1Gdo2gj1bggjUtW9CyYkIpQ 密码：x5ht

7.修改网络配置文件Makefile（在\darknet-master路径下）

8.打开win10终端，cd进入darknet-master\build\darknet\x64路径，然后输入：darknet.exe detector train data/obj.data yolo-obj.cfg darknet53.conv.74 开始训练。

9.训练时，每训练100轮，都会生成一个权重文件在build\darknet\x64\backup\ 下，文件名例如：yolo-obj_100.weights（后面的100是训练100轮是的权重）。

10.测试训练效果：

将那个backup文件下最后一个权重文件复制到build\darknet\x64\文件下，打开win10终端，cd进入然后运行darknet-master\build\darknet\x64路径，然后输入：darknet.exe detector test data/obj.data yolo-obj.cfg yolo-obj_100.weights（最后的权重改为你自己的权重）。终端会提醒你输入图片路径，然后你输入测试图片的绝对路径即可看到效果。

参考教程：https://github.com/AlexeyAB/darknet#how-to-compile-on-linux

win10下yolov3训练自己的数据集

猜你喜欢