YOLOv3 从零开始训练自己的数据集

最新推荐文章于 2024-07-29 10:07:27 发布

csCaiRujia

最新推荐文章于 2024-07-29 10:07:27 发布

阅读量1.3k

点赞数 2

分类专栏： cv 目标检测

本文链接：https://blog.csdn.net/Dream_xd/article/details/107772434

版权

这篇博客详细介绍了如何从零开始训练YOLOv3模型来检测电梯面板。首先，使用LabelImg进行数据标注，然后将数据划分为训练集和测试集，并生成labels。接着，下载pytorch版本的YOLOv3，配置训练数据和网络结构。通过修改cfg文件适应类别数量，并获取预训练权重进行finetune。最后，执行训练过程。

摘要由CSDN通过智能技术生成

第一部分：准备数据

1.1标注数据

我们在这里使用LabelImg进行数据标注。
LabelImg使用教程可以查看github上的官方的教程

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py

在这里插入图片描述
得到标注后的数据

将标注的标签和数据放在data目录下的elevator中，我们这里是要做电梯面板的检测。

1.2 将数据分为训练集和测试集

我们在这里将我们的数据划分为训练集和测试集。

import os
import random

trainval_percent = 0.9
DATA_DIR = "/home/xxx/yolov3/data/elevator" #TODO换成自己的地址
xmlfilepath = os.path.join(DATA_DIR,'Annotations')
txtsavepath = os.path.join(DATA_DIR,'images')
total_xml = os.listdir(xmlfilepath)

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


ftrainval = open('/home/xxx/yolov3/data/elevator/trainval.txt', 'w')
ftrain = open('/home/xxx/yolov3/data/elevator/train.txt', 'w')
fval = open('/home/xxx/yolov3/data/elevator/val.txt', 'w')

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