YOLOv3训练自己的数据集(VOC格式) 训练出最后的weights模型,无法检测目标物

5 篇文章 0 订阅
4 篇文章 0 订阅

我尝试使用YOLOv3 训练自己的数据集(VOC格式),参考网址如下

https://www.cnblogs.com/573177885qq/p/8993835.html

https://blog.csdn.net/helloworld1213800/article/details/79749359

按照教程可以训练出最后的weights模型,但是无法检测目标物.很奇怪/?

使用 了 YOLO的官方预训练model  darknet53.conv.74


就是没有bbox框出我想要的目标物,

怀疑是否没有学习到特征,无法识别测试集?



和迭代次数的关系应该不大,我尝试了几千次和万次,都一样的结果.

请问博友们,这个问题有什么思路么? 可能在哪里出错了?

另外想下 YOLO官方有很多预训练模型,  它们有什么区别么?如darknet53.conv.74 和 nwpu45_11.conv.23

都可以直接拿来做fine tuning  么?  从而实现检测我的目标物?


谢谢各位~!

  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 41
    评论
您好!对于使用YOLOv5训练自己的数据集(如VOC),您可以按照以下步骤进行操作: 1. 准备数据集:首先,您需要准备您自己的数据集,确保数据集包含图像和相应的标签。VOC数据集通常包含图像文件和XML格式的标签文件。 2. 配置数据集:在YOLOv5的目录中,您可以找到`data`文件夹。在该文件夹中,编辑`voc.yaml`文件,将`train`和`val`字段的`path`值分别指向您的训练和验证数据集的路径。 3. 修改模型配置:在YOLOv5的目录中,您可以找到`models`文件夹。选择一个适合您的任务的模型配置文件(如`yolov5s.yaml`),并根据数据集的类别数进行修改。 4. 数据转换:在YOLOv5的目录中,运行以下命令将VOC格式的标签转换为YOLOv5可用的格式: ``` python3 -u utils/voc_label.py --voc_data <path_to_voc_data> --output <path_to_output> ``` 其中,`<path_to_voc_data>`是VOC数据集的路径,`<path_to_output>`是输目录的路径。 5. 训练模型:在YOLOv5的目录中,运行以下命令开始训练模型: ``` python3 -u train.py --img <img_size> --batch <batch_size> --epochs <num_epochs> --data voc.yaml --cfg models/yolov5s.yaml --weights '' --name <exp_name> ``` 其中,`<img_size>`是输入图像的尺寸,`<batch_size>`是批量大小,`<num_epochs>`是训练的轮数,`<exp_name>`是自定义的实验名称。 6. 模型评估:在YOLOv5的目录中,运行以下命令评估训练好的模型: ``` python3 -u test.py --data voc.yaml --weights runs/train/<exp_name>/weights/best.pt --img <img_size> --augment ``` 其中,`<exp_name>`是之前训练时指定的实验名称。 这些是使用YOLOv5训练自己的VOC数据集的基本步骤。您可以根据自己的需求进行进一步的调整和优化。希望对您有所帮助!如果您还有其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 41
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值