YOLOv3训练自己的VOC数据集

https://pjreddie.com/darknet/yolo/

刚开始做深度学习检测任务，在尝试了https://github.com/rbgirshick/py-faster-rcnn和https://github.com/weiliu89/caffe/tree/ssd之后，正好看到YOLOv3出来，据说比RetinaNet快3.8倍，比SSD快3倍，速度很惊人，因为任务是要在TX1上做实时检测，所以赶紧试起来。

1. darknet配置起来不要太方便

下载工程

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

cd darknet

修改配置文件

gedit Makefile

修改

GPU=1

CUDNN=1

OPENCV=1

NVCC=/usr/local/cuda-8.0/bin/nvcc

编译

make -j16

下载预训练权值文件

wget https://pjreddie.com/media/files/yolov3.weights

测试一下图片，测试图在data文件夹，结果图在darknet根目录

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

测一下视频文件，video file自己放段视频

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>

2. 训练自己的VOC数据

标记部分不讲了，一个标记工程https://github.com/tzutalin/labelImg

根目录scripts下新建一个VOCdevkit，其中再建一个VOC2007，放Annotations，ImageSets，JPEGImages三个文件夹。

修改scripts/voc_label.py

sets=[ ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]

classes = ["person"]#修改自己的类别，我只有一类

os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt  > train.txt")#输出删掉下面一句

执行voc_label.py

python voc_label.py

在scripts下刚好得到4个txt，其中train.txt为所有的图用于训练

下载imagenet预训练模型

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

修改cfg/voc.data

classes= 1#类别数
train  = /xxx/yolov3/darknet/scripts/train.txt
valid  = /xxx/yolov3/darknet/scripts/2007_test.txt
names = data/voc.names
backup = /xxx/yolov3/darknet/results/  #输出权值路径

修改data/voc.names

person  #自己的类别名

修改cfg/yolov3-voc.cfg，三个yolo层中的classes为自己的类别数，三个yolo层前一层的convolutional中的filters为3*（classes+5），其余超参按需修改。

开始训练

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1

测试了一下视频效果，一块1080ti检测352*288的视频，fps在120~180，耗显存700M，对比SSD的fps55~65，耗显存1G，最大帧率上速度确实提高3倍左右。2块1080ti测试视频fps在190~240。

TX1上效果，SSD测试视频4～5fps，YOLOv3测试视频24～35fps。

 

这块TX1片内外设不同，非官方版。。最近测了下官方的TX1，YOLOv3测视频17~26fps。

 

 

参考

 

https://blog.csdn.net/davidlee8086/article/details/79693079

https://blog.csdn.net/sinat_30071459/article/details/53100791