Keras/Tensorflow+python+yolo3训练自己的数据（心得+教程）

参考：

代码：GitHub
主要是参考这俩篇博客，怎么把训练数据跑起来。

先下载代码；

1 . 下载VOC2007数据集，把所有文件夹里面的东西删除，保留所有文件夹的名字。

可以选择下载voc2007数据集，嗯比较大，有400+M，或者66u0下载。注意删除下载后的数据集里所有数据删除，只留下空文件夹。如果你是下载我的资源，只需要将voc2012——>voc2007,额当初没注意，下的2012的。然后把VOCdevkit放入keras-yolo3-master文件夹内；
像这样：
在这里插入图片描述

2 . 把你所有的图片都复制到JPEGImages里面

在这里插入图片描述
这个文件夹在voc2007(or voc2012)目录下。

3 . 标注数据，生成Annotations下的文件

工具：LabelImg ,lftf，具体怎么使用不再多说，注意生成的xml文件：
在这里插入图片描述
这些事你给数据标注后生成的文件。

4 . 生成ImageSets/Main/4个文件

在VOC2007下建个文件 test.py文件，然后运行。如果是下载的网盘里的voc文件夹，里面会有test程序，运行就好，如有错误，请自行修改路径。
如这图：
在这里插入图片描述
test代码：

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

5 . 生成yolo3所需的train.txt,val.txt,test.txt

VOC2007数据集制作完成，但是，yolo3并不直接用这个数据集，所以需要进行转换。所下载的keras-yolo3-master目录下有一个voc_annotation.py的程序，修改它，如下图：
在这里插入图片描述
第6行是源代码中的类，要训练自己的类别，要修改成自己的类，所以我将其注释掉了，写了个新的类别。

运行之后，会在主目录下多生成三个txt文件，
如下图：
在这里插入图片描述
类似于这图，有3个2007开头的txt文件：007_train.txt，2007_test.txt，2007_val.txt。删除的是这3个txt文件文件名中的“2007_”这部分，而不是其他。也就变成了：train.txt，test.txt，val.txt。

6 . 修改参数文件yolo3.cfg

虽然原文说训练自己的数据集不需要改cfg文件，但我还是改了，按原文所说，3处yolo，注意，filters在yolo的上边，其数值为3*(5+类数)，classes和random在yolo下边。
在keras-yolo3-master目录下打开yolo3.cfg，搜索yolo，会发现有3处包含yolo，
每个地方都要改3处，

filters：3*（5+len（classes））； # 这个在yolo 上方的代码块里
classes: len(classes) = 1， #注意你有几类这个在yolo的代码块里
random：原来是1，显存小改为0 #在yolo里

7 . 修改model_data下的文件，放入你的类别

coco,voc这两个文件都需要修改
在这里插入图片描述

8 . 修改代码，准备训练。

代码以yolo3模型为目标，tiny_yolo不考虑。使用GPU加速，快不少。需要在keras-yolo3-master文件夹下新建一个logs文件夹，内部再新建一个000文件夹，用于存放训练结束后的权重文件trained_weights.h5。可以参考本文第二张图，logs文件夹是新建的，本身并没有。

对train.py做了一下修改，直接复制替换原文件就可以了，细节大家自己看吧，直接运行，loss达到10几的时候效果就可以了

"""
Retrain the YOLO model for your own dataset.
"""

import numpy as np
import keras.backend as K
from keras.layers import Input, Lambda
from keras.models import Model
from keras.callbacks import TensorBoard, ModelCheckpoint, EarlyStopping

from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
from yolo3.utils import get_random_data


def _main():
    annotation_path = 'train.txt'
    log_dir = 'logs/000/'
    classes_path = 'model_data/voc_classes.txt'
    anchors_path = 'model_data/yolo_anchors.txt'
    class_names = get_classes(classes_path)
    anchors = get_anchors(anchors_path)
    input_shape = (416,416) # multiple of 32, hw
    model = create_model(input_shape, anchors, len(class_names) )
    train(model, annotation_path, input_shape, anchors, len(class_names), log_dir=log_dir)

def train(model, annotation_path, input_shape, anchors, num_classes, log_dir='logs/'):
    model.compile(optimizer='adam', loss={
        'yolo_loss': lambda y_true, y_pred: y_pred})
    logging = TensorBoard(log_dir=log_dir)
    checkpoint = ModelCheckpoint(log_dir + "ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5",
        monitor='val_loss', save_weights_only=True, save_best_only=True, period=1)
    batch_size = 8
    val_split = 0.1
    with open(annotation_path) as f:
        lines = f.readlines()
    np.random.shuffle(lines)
    num_val = int(len(lines)*val_split)
    num_train = len(lines) - num_val
    print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))

    model.fit_generator(data_generator_wrap(lines[:num_train], batch_size, input_shape, anchors, num_classes),
            steps_per_epoch=max(1, num_train//batch_size),
            validation_data=data_generator_wrap(lines[num_train:], batch_size, input_shape, anchors, num_classes),
            validation_steps=max(1, num_val//batch_size),
            epochs=300,
            initial_epoch=0)
    model.save_weights(log_dir + 'trained_weights.h5')

def get_classes(classes_path):
    with open(classes_path) as f:
        class_names = f.readlines()
    class_names = [c.strip() for c in class_names]
    return class_names

def get_anchors(anchors_path):
    with open(anchors_path) as f:
        anchors = f.readline()
    anchors = [float(x) for x in anchors.split(',')]
    return np.array(anchors).reshape(-1, 2)

def create_model(input_shape, anchors, num_classes, load_pretrained=False, freeze_body=False,
            weights_path='model_data/yolo_weights.h5'):
    K.clear_session() # get a new session
    image_input = Input(shape=(None, None, 3))
    h, w = input_shape
    num_anchors = len(anchors)
    y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l], \
        num_anchors//3, num_classes+5)) for l in range(3)]

    model_body = yolo_body(image_input, num_anchors//3, num_classes)
    print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))

    if load_pretrained:
        model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
        print('Load weights {}.'.format(weights_path))
        if freeze_body:
            # Do not freeze 3 output layers.
            num = len(model_body.layers)-7
            for i in range(num): model_body.layers[i].trainable = False
            print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))

    model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
        arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(
        [*model_body.output, *y_true])
    model = Model([model_body.input, *y_true], model_loss)
    return model
def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    np.random.shuffle(annotation_lines)
    i = 0
    while True:
        image_data = []
        box_data = []
        for b in range(batch_size):
            i %= n
            image, box = get_random_data(annotation_lines[i], input_shape, random=True)
            image_data.append(image)
            box_data.append(box)
            i += 1
        image_data = np.array(image_data)
        box_data = np.array(box_data)
        y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)
        yield [image_data, *y_true], np.zeros(batch_size)

def data_generator_wrap(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    if n==0 or batch_size<=0: return None
    return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)

if __name__ == '__main__':
    _main()

注意在32行的 $batch_size$ 设置batch大小，和45行 $epochs$ 设置循环次数。
刚开始运行报错，我以为环境没装好，或者程序有问题，后来修改了batch大小，解决了这个问题。

9 . 预测图片

运行：python yolo_video.py --image，然后键入路径文件名开始识别。