Keras/Tensorflow+python+yolo3训练自己的数据集

代码：https://github.com/qqwweee/keras-yolo3

修改yolov3.cfg文件：https://blog.csdn.net/lilai619/article/details/79695109

写文章不易，转载请表明本文出处：https://blog.csdn.net/Patrick_Lxc/article/details/80615433

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，
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