YOLOv3项目之数据集

Pytorch 搭建自己的YOLO3目标检测平台（Bubbliiiing 深度学习 教程）_哔哩哔哩_bilibili

训练数据集放在VOCdevkit中，其中annotations放标签，jpegimages中放图片，然后ImageSets中的testtxt是算mAP用的，train.txt放测试的,val.txt放验证的,trainval.txt用不着。

制作数据集用labelimg库，去pytorch环境下安装即可pip install

安装完后直接输入labelimg就可以打开了。

跟那个anaconda-navigator好像

labelimg的使用：

首先如上图创建文件夹

图片放photo里，然后change save dir选annotation存放标签，然后view里面勾选auto save mode。键盘a和d切换。

训练参数解析：

1、可以在model_data下创建cls_classes.txt，输入标签名。

2、yolo_anchors.txt对应了先验框。（相对416×416）一般不修改。

 3、yolo_weights.pth就是预训练权重。

4、freeze_batch_size根据自己的显存大小调节。一般冻结阶段batch_size和学习率会调大一些，然后解冻阶段这两个会调小一些。

训练：

voc_annotation.py就可以获得训练集测试集。

其它看代码，一般改路径就行了。

预测：

nmsiou越大则越不严格，越小则nms越严格。

权值文件在logs