使用darknet yolov3训练自己的物体

 准备

下载darknet并编译（GPU版），编译这里就不说了。反正视频检测要依赖opencv，GPU版本要依赖CUDA和cuDNN。

以训练人手和人脸这两个类为例子

1.将包含人手和人脸的图片放到build\darknet\x64\data\train_iamges和build\darknet\x64\data\val_images,train_iamges里是训练的图片，val_images里是用来验证的图片。

2.新建 human.names文件，输入所有类名如下：（注意不要有制表符）

human face
human hand

3.使用labelImg打标签，目的是生成每张图片对应的txt文件（保护框框的类序号，坐标）。labelImg保存一张图片时生成的是xml文件，我们需要将xml转为txt。

python xml_to_txt.py

# 此代码和data文件夹同目录
import glob
import xml.etree.ElementTree as ET
import sys

file = open('data/my.names')
class_names = file.read().splitlines()
print(class_names)
file.close()

# 转换一个xml文件为txt
def single_xml_to_txt(xml_file):
    tree = ET.parse(xml_file)
    root = tree.getroot()
    # 保存的txt文件路径
    txt_file = xml_file.split('.')[0]+'.txt'
    with open(txt_file, 'w') as txt_file:
        for member in root.findall('object'):
            picture_width = int(root.find('size')[0].text)
            picture_height = int(root.find('size')[1].text)
            class_name = member[0].text
            # 类名对应的index
            class_num = class_names.index(class_name)
            box_x_min = int(member[4][0].text)  # 左上角横坐标
            box_y_min = int(member[4][1].text)  # 左上角纵坐标
            box_x_max = int(member[4][2].text)  # 右下角横坐标
            box_y_max = int(member[4][3].text)  # 右下角纵坐标
            # 转成相对位置和宽高
            x_center = (box_x_min + box_x_max) / (2 * picture_width)
            y_center = (box_y_min + box_y_max) / (2 * picture_height)
            width = (box_x_max - box_x_min) / picture_width
            height = (box_y_max - box_y_min) / picture_height
            print(class_num, x_center, y_center, width, height)
            txt_file.write(str(class_num) + ' ' + str(x_center) + ' ' + str(y_center) + ' ' + str(width) + ' ' + str(height) + '\n')

# 转换文件夹下的所有xml文件为txt
def dir_xml_to_txt(path):
    for xml_file in glob.glob(path + '*.xml'):
        single_xml_to_txt(xml_file)

path1 = 'data/train_images/' 
path2 = 'data/val_images/' 

dir_xml_to_txt(path1)
dir_xml_to_txt(path2)

4.生成train.txt和val.txt文件，这两个文件里每一行都是图片的路径。

python generate_train.py

# generate_train.py

import os

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

generate_train_and_val("train_images", "train.txt")
generate_train_and_val("val_images", "val.txt")

5.新建 human.data文件，输入如下：

classes= 2
train = data/train.txt
valid = data/val.txt
names = data/human.names
backup = backup/

class=2代表训练两个类（人脸和人手）

6.新建human.cfg文件，里面的内容直接复制yolov3.cfg的，然后再修改：

具体如何修改参考https://github.com/AlexeyAB/darknet#how-to-train-to-detect-your-custom-objects

主要修改如下：
max_batches=训练物体数量*2000，即2*2000=4000

steps=max_batches*0.8,max_batches*0.9

将610行，696行，783行改为classes=训练物体数量，即2

将603行，689行，776行改为filters=(classes + 5)x3，即153

7.darknet训练命令和检测命令：

训练：

darknet.exe detector train data/human.data cfg/human.cfg darknet53.conv.74

darknet53.conv.74是下载好的预训练文件。

检测图片：

darknet.exe detector test data/human.data cfg/human.cfg backup/human_final.weights data/test.jpg

检测视频：

darknet.exe detector demo data/human.data cfg/human.cfg backup/human_final.weights test.mp4

Qt调用opencv实现yolov3对视频进行目标检测

参考：

YOLO3 darknet训练自己的数据

https://github.com/AlexeyAB/darknet