YOLOv3官网

网络搭建步骤

一、编译darknet53
- 1.下载darknet53文件
- 2.修改Makefile文件
- 3.编译darkent53
二、下载预训练权重文件
三、测试编译好的darknet
四、训练自己的数据
- 1.准备自己的数据集
- 2.obj.names文件
- 3.obj.data文件
- 4. yolov3.cfg文件
- 5.训练模型
- 6.测试图片

一、编译darknet53

1.下载darknet53文件

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

2.修改Makefile文件

在darknet文件夹下找到Makefile文件，修改：（如果没有GPU加速的话，就不用修改了。）

GPU=1
CUDNN=1
OPENCV=1

另外，OPENCV需要提前安装好。

3.编译darkent53

cd darknet
make

二、下载预训练权重文件

wget https://pjreddie.com/media/files/yolov3.weights

三、测试编译好的darknet

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
运行结束后，可以查看输出的predictions.jpg，直接点开图片即可，也可以运行：
diaplay predicions.jpg

四、训练自己的数据

1.准备自己的数据集

将数据图片和标签(txt)放到一个文件夹obj里，将obj文件夹复制到darknet/data文件夹下。可以使用公开的数据集，下载方式。

在darknet/文件夹下创建一个generate_train.py,将下面代码复制进去并运行：

import os
image_files = []
os.chdir(os.path.join("data", "obj"))
for filename in os.listdir(os.getcwd()):if filename.endswith(".jpg"):image_files.append("data/obj/" + filename)
os.chdir("..")
with open("train.txt", "w") as outfile:for image in image_files:outfile.write(image)outfile.write("\n")outfile.close()
os.chdir("..")

然后到darknet/data文件夹下看是否生成了一个train.txt文件。

2.obj.names文件

在darknet/data文件夹下创建obj.names文件，里面存放需要识别的物体的名字（我们以识别两个物体为例，分别是Car和Bird）,例如：

Car
Bird

3.obj.data文件

在darknet/data文件夹下添加obj.data文件。
darknet/data/obj.data
输入内容如下：其中train.txt为训练集保存路径，test.txt为测试集保存路径

classes=2
train = /data/train.txt
validation = /data/test.txt
names=data/obj.names
backup=backup/

4. yolov3.cfg文件

在darknet/cfg文件夹下找到yolov3.cfg文件，复制一份更名为yolov3-custom.cfg文件，我们修改复制之后的文件，源文件不动。

打开yolov3-custom.cfg文件：

在[net]层修改：
-将#Testing下面两行用#注释掉;
-将#Training 下面两行的注释打开;
其余修改如下：

burn_in=1000
max_batches=6000   (训练6000次)
steps=4800,5400    (设置为0.8倍的max_batches和0.9倍的max_batches）

在[yolo]层修改：
-在文本中搜索yolo，找到[yolo]层。下面的classes=2，random=0,上面一层的[convolutional]的filters=21,[21=(2+5)*3，2是类别数，如果是80类则应该写(80+5)*3=255]。
这种[yolo]层一共有3处，都要修改。

5.训练模型

下载darknet53预训练权重：
wget https://pjreddie.com/media/files/darknet53.conv.74

开始训练：
./darknet detector train data/obj.data cfg/yolov3-custom.cfg darknet53.conv.74

这里需要训练一段时间，下面是训练结果（6000次训练）：

6.测试图片

首先复制一份yolov3-custom.cfg 并更名为yolov3-custom_test.cfg, 修改的位置如下：

运行：
./darknet detector test data/obj.data cfg/yolov3-custom-test.cfg backup/yolov3-custom_final.weights data/person.jpg

显示结果如下：

YOLOv3 网络搭建Darknet53 训练自己的数据集相关推荐

＜计算机视觉四＞ pytorch版yolov3网络搭建
鼠标点击下载项目源代码免费下载地址 <计算机视觉一> 使用标定工具标定自己的目标检测 <计算机视觉二> labelme标定的数据转换成yolo训练格式 <计算机 ...
第十二章_网络搭建及训练
文章目录第十二章网络搭建及训练 CNN训练注意事项第十二章 TensorFlow.pytorch和caffe介绍 12.1 TensorFlow 12.1.1 TensorFlow是什么? 12 ...
搭建并训练多标签数据集的模型并将结果可视化
#搭建并训练多标签数据集的模型并将结果可视化(tensorflow2) 1.数据集的介绍该数据为拥有颜色与衣服类别两个标签的衣服识别,对于这样的数据集要求我们的神经网络需要两个输出,一个是类别,另一 ...
caffe-MobileNet-ssd环境搭建及训练自己的数据集模型
caffe-MobileNet-ssd环境搭建及训练自己的数据集模型 ***************************************************************** ...
WIN10下配置Yolov3(VS2019,GPU)+opencv训练自己的数据集（绝对详细，小白型记录）
大二菜鸡,因为要准备一个水下识别的比赛,想到了用yolov3这个强大的框架,参考了许多大佬的博客,在这里记录一下自己的配置过程. ** 一. CUDA和CUDNN配置 ** 我的显卡的GTX1060, ...
yolov3网络（DarkNet53）结构详解以及Pytorch代码实现
目录引言网络结构讲解网络结构设计理念残差结构步长为2的卷积替换池化层网络性能评估 yolo v3中Darknet-53网络基于Pytorch的代码实现总结引言 yolo v3用于提取特 ...
torch从零开始搭建deeplabv3+训练自己的数据集！
目录一.制作自己数据集 1.1 torch数据加载原理 1.2 地理信息科学与深度学习的结合 1.3代码实现 1.4分批次加载数据集二.训练网络 2.1参数选择 2.2训练过成可视化三.执行预测 ...
【DL】网络搭建及训练
『论文笔记』TensorFlow1.6.0+Keras 2.1.5+Python3.5+Yolov3训练自己的数据集!
TensorFlow1.6.0+Keras 2.1.5+Python3.5+Yolov3训练自己的数据集! 文章目录前期准备一. Yolov3简要介绍 1.1. Yolov3网络结构图 1.2. ...
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 ...

YOLOv3 网络搭建Darknet53 训练自己的数据集