1.下载
代码网址:https://github.com/ultralytics/yolov3(这就是要使用的项目)
权重文件:https://pjreddie.com/media/files/yolov3.weights
2.代码环境
Readme写的是python3.7,我用的是3.6
其他的根据requirements.txt安装可运行,可以先使用以下代码安装
pip install -U -r requirements.txt
安装列表中包含
numpy
opencv-python >= 4.1
torch >= 1.4
matplotlib
pycocotools
tqdm
pillow
你在安装中可能会遇到以下问题
- 提示torch版本不对
【解决方案】通过官网代码通过PIP安装CPU版本,如果你需要其他版本去这里:https://pytorch.org/get-started/locally/
pip install torch==1.4.0+cpu torchvision==0.5.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
- pycocotools安装失败
【解决方案】通过GIT指令安装
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
git安装教程见博客:https://blog.csdn.net/Wanru_26/article/details/104895898
到这里想必你已经把所有库安装完毕,准备齐全就可以继续往下训练了
3.数据集预处理
自己训练集的准备工作分两步:
- 在data文件夹下建立三个子文件夹(Annotations、images与ImageSets,labels后续使用脚本生成)其中Annotations存放xml文件,images图像,ImageSets新建Main文件存放train与test文件(脚本生成),labels是标签文件
- 新建两个py文件,分别放入以下两段代码,并依次运行
import os
import random
trainval_percent = 0.2 #可自行进行调节
train_percent = 1
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',