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 joinclasses = ["bicycle"]  # 自行车检测def convert(size, box):dw = 1. / size[0]dh = 1. / size[1]x = (box[0] + box[1]) / 2.0y = (box[2] + box[3]) / 2.0w = box[1] - box[0]h = box[3] - box[2]x = x * dww = w * dwy = y * dhh = h * dhreturn (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').textif cls not in classes:continuecls_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训练自己的数据集相关推荐

Win10下YOLOv3配置、制作数据集与训练检验
文章目录前言 1.YOLO项目 2.电脑配置与环境 2.1 安装Cuda 2.1.1 查看本机驱动版本 2.1.2 安装过程 2.2 安装Cudnn 2.3 安装OpenCV 2.4 安装VS201 ...
小白教程：Ubuntu下使用Darknet/YOLOV3训练自己的数据集
小白教程:Ubuntu下使用Darknet/YOLOV3训练自己的数据集 YOLOV3官网教程:https://pjreddie.com/darknet/yolo/ 使用预训练模型进行检测 git c ...
win10+keras+yolo4训练自己的数据集
win10+keras+yolo4训练自己的数据集 ** 一.下载准备 1.(1)yolo4的github代码:https://github.com/Ma-Dan/keras-yolo4 (2)所准备 ...
YOLOV3训练自己的数据集（PyTorch版本）
由于这一段时间从事目标检测相关工作,因而接触到yolov3,进行目标检测,具体原理大家可以参考大神的博客目标检测(九)--YOLO v1,v2,v3,我就不细讲了,直接进入正题,如何利用深度学习框架P ...
『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使用YOLOX训练自己的数据集（图解超详细）
文章目录 WIN10使用YOLOX训练自己的数据集(图解超详细) 下载YOLOX源码配置环境,修改源码添加权重文件建立VOCdevkit文件夹添加数据集划分训练集和测试集修改类别为自己 ...
yolov3 训练自己的数据集手把手教学 ubuntu 18.04 显卡1650 显存4g 跟着操作做保证学会
yolov3 训练自己的数据集手把手教学 ubuntu 18.04 显卡1650 显存4g 跟着操作做保证学会这是我的训练效果,成功实现裂痕检测演示视频:https://b23.tv/Ccmwi ...
yolov3训练自己的数据集——第一次实操完整记录
参考: yolov3 darknet yolo源码解析 bacth参数对性能影响 backpropogation算法 yolo中7*7个grid和rpn中的9个anchors darknet源码学习 ...
Windows10下使用darknet和YOLOV3训练自己的数据集
前言 1.我的环境是windows10,vs2015,cuda9.1,cudnn7.1. 2. darknet加yoloV3,用cmake和vs2015编译成darknet.exe. 3. 我的目录结 ...

win10下yolov3训练自己的数据集

win10下yolov3训练自己的数据集相关推荐

最新文章

热门文章