以yolo-v3为例展示模型训练过程

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