1.建立自己的数据集文件夹
annotations:保存标注(xml文件)
imageset:图片分类 训练集,验证集,测试集
jpeg:搜集的图片
lables:
2.添加图片并且标注(labellmg软件)
分别框取每个图片中的元素并添加标签
然后点击save保存到annotations文件夹的xml文件中
3.生成txt文件
注:这里的pscalvoc文件包含了所有数据,下面三个训练集,验证集,测试集按照7:2:1分配
操作:可以使用命令行语句操作:
1.python-->进入python环境
2.获取文件名字:
(以下是命令行截段分类,随即分类的方法(用python生成需要的文件)请看我上一篇文章)
import os,glob
path = r"D:\PC\Yolo-for-k210\Yolo-for-k210\Train_Image\MyImage\JPEGImages"
path_list = os.listdir(path)
path_list.sort()
print(len(path_list))
for i in path_list[0:path_list*0.7]
print(i:[-4]+"-1")
for i in path_list[path_list*0.7:path_list*0.9]
print(i:[-4]+"-1")
for i in path_list[path_list*0.9:-1]
print(i:[-4]+"-1")
3.复制打印出来的文件名粘贴到对应的txt文件中(切记粘贴后文件末尾不要留回车)
4.生成anchors
加载注释生成
anchors(LOW
和
HIGH
视数据集的分布而定
)
:
make anchors DATASET=voc ANCNUM=3 LOW="0.0 0.0" HIGH="1.0 1.0"
注:结果是随机的。当你有错误时,就重新运行它
5.下载预训练模型
6.Train
使用
Mobileenet
时,需要指定
DEPTHMUL
参数。 使用
tiny yolo
或
yolo
你不需要设定
DEPTHMUL.
1.
集
MODEL
和
DEPTHMUL
开始训练:
make train MODEL=yolo_mobilev1 DEPTHMUL=0.75 MAXEP=10
ILR=0.001 DATASET=voc CLSNUM=20 IAA=False BATCH=8
2.
集
CKPT
继续训练
:
make train MODEL=yolo_mobilev1 DEPTHMUL=0.75 MAXEP=10 ILR=0.001 DATASET=voc
CLSNUM=20 IAA=False BATCH=8 CKPT=log/xxxxxxxxx/yolo_model.h5
3.
集
IAA
为了增加数据
:
make train MODEL=xxxx DEPTHMUL=xx MAXEP=10 ILR=0.0001 DATASET=voc CLSNUM=20
IAA=True BATCH=16 CKPT=log/xxxxxxxxx/yolo_model.h5
4.
使用
tensorboard:
tensorboard --logdir log
make inference MODEL=yolo_mobilev1 DEPTHMUL=0.75 CLSNUM=20
CKPT=log/xxxxxx/yolo_model.h5 IMG=data/people.jpg
你可以尝试我的模型:
make inference MODEL=yolo_mobilev1 DEPTHMUL=0.75 CKPT=asset/yolo_model.h5
IMG=data/people.jpg