yolo3，模型训练流程

训练前准备：

下载darknet_win版本，并用vs2015编译对用的gpu，cpu版本。

1，准备数据集

图片和边界矩形txt

边界矩形txt内容

类别从0开始

labelText = str(int(labstr)-1) + ' ' + str(x) + ' ' + str(y) + ' ' + str(w) + ' ' + str(h) + '\n'

x,y,w,h为目标的矩形中心（x,y）,wh目标宽高

 

2，修改cfg文件

[convolutional]
size=1
stride=1
pad=1
filters=27                    修改为（cls+5）*3
activation=linear

[yolo]
mask = 0,1,2
anchors = 75,45, 87,56, 145,50, 171,136, 194,91, 240,116, 246,94, 278,53, 314,150           修改boxes的kmean
classes=4                修改类别

 

3，创建.names文件，内容为分类名字

4，创建.data文件

例如：

classes= 4
train  = trainxx.txt
valid  = testxx.txt
names = data/xx.names
backup = mod/xx

5，数据集

样本txt整理，如上面的trainxx.txt

6,运行命令

darknet detector train xx.data data/yolov3-spp-xx.cfg data/darknet53.conv.74