写在前面

如何使用官方数据集参看上一篇文章《【YOLO初探】之使用官方数据集做目标分类》

传送门：https://blog.csdn.net/plSong_CSDN/article/details/85108256

这里，笔者使用了260张训练数据，完成了人脸中“眼睛”、“鼻子”、“嘴巴”的检测，可以成功检测出，虽效果不是很好，但是起码方法是对的，特在此与与大家分享、在文章末尾完全共享了自己的数据集！

大家还是先看一下效果吧，宅男女神上场~~~

第一步：准备自己数据集

当然是准备一下自己的原材料。

1）下载VOC2007数据集，注意，请把文件夹里面的所有文件，注意是文件，一个不留的删除，只保留文件夹框架，可以完成后可以检查一下，文件夹的大小是不是0。

2）将只保留文件夹的VOC2007数据集放在keras-yolo3-master文件夹下一级目录下，这样可以不用修改下面程序的路径。如下，

3）将自己所有的图片拷贝到”……\keras-yolo3-master\VOCdevkit\VOC2007\JPEGImages“文件目录下，最好都是jpg格式，至于为什么，笔者未深究，待后续继续学习。

好了，下一步就可以进行图片的标记工作了。

第二步：数据标记

1）准备标记工具。使用LabelImg ，大家注意，需要把”“data\predefined_classes.txt”文件中的内容修改为自己类比，如下，我这里是三类。

2）打开abelImg.exe，如果打开失败，可以尝试“管理员身份运行”。选择“Open Dir”浏览到”……\keras-yolo3-master\VOCdevkit\VOC2007\JPEGImages“。如下，

标记时常用的几个快捷键，“w”：激活标记框；“d”：下一张图片；“a”：上一张图片。

标记完成后，将生成的“XML”文件，拷贝到“……\keras-yolo3-master\VOCdevkit\VOC2007\Annotations”中。

3）将“test.py”文件拷贝到“……\keras-yolo3-master\VOCdevkit\VOC2007”，运行，在“……\keras-yolo3-master\VOCdevkit\VOC2007\ImageSets\Main”文件夹下，自动生成生成test.txt、train.txt、trainval.txt、val.txt文件

第三步：生成yolo3所需的train.txt,val.txt,test.txt

运行voc_annotation.py文件，注意在训练自己的数据集时，需要将里面的classes换成自己的，例如，“classes = ["eye", "nose", "mouth"]”，其他的不需要改变。

在“……\keras-yolo3-master\目录下生成的三个以“2007_”打头的txt文件，手动删掉“2007_”。

第四步：修改参数文件yolo3.cfg

大家注意，需要修改的地方一共是三处，每一处都要修改三个地方。

filters：3*（5+len（classes））；

classes: len(classes) = 3，这里是"eye", "nose", "mouth"三类

random：改为0

[convolutional]
size=1
stride=1
pad=1
filters=24#这里
activation=linear


[yolo]
mask = 6,7,8
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=3#这里
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0#这里