Yolo_mark
(1)首先下载标注工具(下载地址:https://github.com/AlexeyAB/Yolo_mark)下载速度慢的可以将链接添加到gitee上下载。
(2)解压下载好的Yolo_mark,依次进入Yolo_mark-master双击yolo_mark.sln,进入到VS2015界面。
(3)配置Yolo_mark的依赖项。
至此环境配置完毕,将解决方案配置和解决方案平台调整为Release和x64。右键yolo_mark生成。
(4)依次进入Yolo_mark-master--x64—Release文件夹下,将opencv_world340.dll文件拷至目录下(文件版本因人而异)
双击yolo_mark.cmd运行成功,接下来就是更改data文件夹下的文件后,进行标注。
标注
- data文件夹介绍:
双击进入data文件夹
<1>img文件夹为标注图片文件夹,标注后会自动生成(图片名).txt文件
<2>obj.data文件
<3>obj.name(两个类别名,可自定义)
<4>train.txt和valid.txt,一般为data/img/文件名.jpg图省事就复制粘贴了。
改好文件路径已经内容后,就可以进行标注了。标注后,每一个图片后都会生成一个新的与图片重名的.txt文件。
训练
首先新建一个训练文件夹依次拷入:
- opencv目录下的:
- CUDA默认安装目录下的所有文件(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin)
- 拷入darknet--x64文件夹下darknet.exe以及yolov3.cfg
- 拷入yolo_mark--x64--Release文件夹下data文件夹
- 下载darknet53.conv.74预训练模型(链接:https://pan.baidu.com/s/1guEInLck8hvrKaN-3uB23w 提取码:dark)
- 创建backup文件夹(存放返回的.weigh文件)
- 修改训练文件(yolo3.cfg)
修改与个人需求所对应,filters=class*3+15。
- 书写训练指令文件(train.cmd)
echo Example how to start training Darknet Yolo v2 for 2 objects (air, bird) darknet.exe detector train ./data/obj.data train.cfg ./darknet53.conv.74 pause
- 双击运行就开始训练了。