linux下YoLov3学习（一）：训练自己的数据集

目录

 

1.下载yolov3项目工程

2.修改Makefile配置，使用GPU训练

3.测试图片

4.生成label文件

5.修改名称类别

6.下载预训练模型：

7.开始训练：

8.测试评测

---

配置流程参考：https://blog.csdn.net/weixin_42731241/article/details/81352013

https://blog.csdn.net/weixin_42731241/article/details/81474920

 

1.下载yolov3项目工程

git clone https://github.com/pjreddie/darknet
cd darknet
make

2.修改Makefile配置，使用GPU训练

GPU=1 #如果使用GPU设置为1，CPU设置为0
CUDNN=1  #如果使用CUDNN设置为1，否则为0
OPENCV=0 #如果调用摄像头，还需要设置OPENCV为1，否则为0,后续图片检测无法绘制，但可以保存
OPENMP=0  #如果使用OPENMP设置为1，否则为0
DEBUG=0  #如果使用DEBUG设置为1，否则为0
........................................................
ARCH= -gencode arch=compute_30,code=sm_30 \
      -gencode arch=compute_35,code=sm_35 \
      -gencode arch=compute_50,code=[sm_50,compute_50] \
      -gencode arch=compute_35,code=[sm_35,compute_35]
.........................................................
NVCC=/usr/local/cuda-9.0/bin/nvcc           #第23行
.........................................................
COMMON+= -DGPU -I/usr/local/cuda-9.0/include/      #第49行
..........................................................
 
LDFLAGS+= -L/usr/local/cuda-9.0/lib64 -lcuda -lcudart -lcublas -lcurand   #第51行

只需改第23行对应着自己的cuda路径的数字，另外几行可以不需要改动，因为后两处我没有改，没有影响检测和训练。

3.测试图片

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg  #使用下载的权重文件进行图片检测

出现yolov3 CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

修改 ./cfg/yolov3.cfg文件内：

取消test注释，改为train注释：

4.生成label文件

修改./scripts/voc_label.py，这个文件就是根据Main中txt里的文件名，生成相应的txt，里面存放的是它们的路径，共三处

数据类型不同话，这里踩了第一个坑，jpg与JPG大小写不同，不能识别，出现error stb：cannot fopen

1)  生成对应的五种txt文件

2）.生成label 文件：对应annotation文件

第一列类别编号，从0开始，后四列标记框位置信息

这里出现第二个坑，训练时候出现全nan，因为好多博客都忽略这一点，想到annotation没有用，之后看了代码发现生成label文件为空，经查找发现我标记名错误airplane（记成plane），所以转换完成后看一下label文件

5.修改名称类别

1）修改cfg/voc.data

    classes= 1 #classes为训练样本集的类别总数
    train  = /home/zbb/darknet/scripts/2007_train.txt #train的路径为训练样本集所在的路径
    valid  = /home/zbb/darknet/scripts/2007_val.txt #valid的路径为验证样本集所在的路径
    names  = data/voc.names #names的路径为data/voc.names文件所在的路径
    backup = backup

这里train，valid路径必须是完整的，否则会报错误找不到

2）修改data/voc.name

  airplane
    #修改为自己样本集的标签名即第一步中标注的标签名

3）修改cfg/yolov3-voc.cfg

将test注释，train取消注释，notepad++查找yolo，修改与其对应convolutional对应的random，classes，filters

 [net]
    # Testing
    # batch=1      
    # subdivisions=1
    # Training
     batch=64            
     subdivisions=8    
    ......
    [convolutional]
    size=1
    stride=1
    pad=1
    filters=18        #---------------#75，修改为3*（classes+5）
    activation=linear
    [yolo]
    mask = 6,7,8
    anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
    classes=1        #---------------修改为标签类别个数，1类
    num=9
    jitter=.3
    ignore_thresh = .5
    truth_thresh = 1
    random=0            #1，将random设置为0，关闭多尺度训练，out of memory显存不大
    ......
    [convolutional]
    size=1
    stride=1
    pad=1
    filters=18        #---------------修改同上
    activation=linear
     
    [yolo]
    mask = 3,4,5
    anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
    classes=1        #---------------修改同上
    num=9
    jitter=.3
    ignore_thresh = .5
    truth_thresh = 1
    random=0       
    ......
    [convolutional]
    size=1
    stride=1
    pad=1
    filters=18        #---------------修改同上
    activation=linear
     
    [yolo]
    mask = 0,1,2
    anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
    classes=1        #---------------修改同上
    num=9
    jitter=.3
    ignore_thresh = .5
    truth_thresh = 1
    random=0     

6.下载预训练模型：

wget https://pjreddie.com/media/files/darknet53.conv.74 

7.开始训练：

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg scripts/darknet53.conv.74 -gpus 0

8.测试评测

单张检测，（多张见博客https://blog.csdn.net/babyzbb636/article/details/100534359)

训练后会在backup文件夹下生成权重文件，利用生成的权重文件进行测试

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_900.weights data/34.jpg

添加置信度https://blog.csdn.net/qq_34795071/article/details/86665620

在./src/image.c内的修改draw_detections,内容如下：

    for(i = 0; i < num; ++i){
        char labelstr[4096] = {0};
        int class = -1;
	char possible[10];//存放检测的置信值
        for(j = 0; j < classes; ++j){
	  sprintf(possible,"%.2f",dets[i].prob[j]);//置信值截取小数点后两位赋给possible
            if (dets[i].prob[j] > thresh){
                if (class < 0) {
                    strcat(labelstr, names[j]);
		    strcat(labelstr, possible);//标签中加入置信值
                    class = j;
                } else {
                    strcat(labelstr, ", ");
                    strcat(labelstr, names[j]);
		    strcat(labelstr, possible);//标签中加入置信值
                }
                printf("%s: %.0f%%\n", names[j], dets[i].prob[j]*100);
            }
        }
 

修改位置如下：

结果如下：