回顾一下yolo原理

本文介绍如何制作数据集、修改代码、不加载预权重从头跑自己的训练数据

一、简单回顾一下yolo原理：

1、端到端，输入图像，一次性输出每个栅格预测的一种或多种物体

2、坐标x,y代表了预测的bounding box的中心与栅格边界的相对值。

坐标w,h代表了预测的bounding box的width、height相对于整幅图像（或者栅格）width,height的比例。

3、

每个格子可以预测B个bounding box，但是最终只选择只选择IOU最高的bounding box作为物体检测输出，即每个格子最多只预测出一个物体。当物体占画面比例较小，如图像中包含畜群或鸟群时，每个格子包含多个物体，但却只能检测出其中一个。
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
原文: https://www.cnblogs.com/makefile/p/YOLOv3.html © 康行天下

每个格子可以输出B个bounding box，但是最终只会输出IOU占比最高的bounding box   作为输出，所以， 一个格子只能预测一个类别。

4、loss=∑i=0s2coordErr+iouErr+clsErr

考虑各项权重：λcoord = 5， λnoobj = 0.5。因为不包含物体的框较多，需要弱化对应的权重影响，不然会导致包含物体的框贡献低，训练不稳定甚至发散。

5、如果想一个格子预测多个类别，需要Anchors. --yolo2

二、如何使用yolo3,训练自己的数据集进行目标检测
    第一步：下载VOC2007数据集，把所有文件夹里面的东西删除，保留所有文件夹的名字。

像这样：

第二步：把你所有的图片都复制到JPEGImages里面

像这样：

第三步：生成Annotations下的文件

工具：LabelImg ，链接：https://pan.baidu.com/s/1GJFYcFm5Zlb-c6tIJ2N4hw 密码：h0i5

像这样：

第四步：生成ImageSets/Main/4个文件。在VOC2007下建个文件test.py，然后运行

像这样：

test.py代码：

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = ‘Annotations’
txtsavepath = ‘ImageSets\Main’
total_xml = os.listdir(xmlfilepath)

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

ftrainval = open(‘ImageSets/Main/trainval.txt’, ‘w’)
ftest = open(‘ImageSets/Main/test.txt’, ‘w’)
ftrain = open(‘ImageSets/Main/train.txt’, ‘w’)
fval = open(‘Imag