yolo-v3 tensorflow object detection训练自己的数据

最近看tensorflow的目标检测的yolo-v3模型，没法儿使用自己的数据进行训练测试。从GitHub中发现一个现成的 tensorflow-yolov3，作者是YunYang。现通过此框架，训练水果数据。

1. 快速开始

1.1 下载源码

git clone https://github.com/YunYang1994/tensorflow-yolov3.git

1.2 依赖package安装

进入tensorflow-yolov3-master目录

pip install -r ./docs/requirements.txt

安装目录里，看tensorflow是gpu版本，本人的训练环境不支持，所以用默认的cpu 1.15版本。其他包如果已存在，忽略即可。

1.3 运行示例demo

cd checkpoint
wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz
tar -xvf yolov3_coco.tar.gz
cd ..
python convert_weight.py #有的包可能没有包含在requirements.txt，且开发者环境中没有安装。根据错误提示，进行pip安装即可；我的缺少easydict
python freeze_graph.py

1）运行convert_weight.py的打印截图

得到pb模型文件（存在项目根目录），测试给定的图片，验证效果：

python image_demo.py
python video_demo.py # if use camera, set video_path = 0

与我自己用tensorflow自带模型ssd_mobilenet_v1_coco训练的数据，测试结果比，好。

2. 训练自己的数据(还是原作者的例子)

需求如下两个文件：

• dataset.txt

xxx/xxx.jpg 18.19,6.32,424.13,421.83,20 323.86,2.65,640.0,421.94,20 
xxx/xxx.jpg 48,240,195,371,11 8,12,352,498,14
# image_path x_min, y_min, x_max, y_max, class_id  x_min, y_min ,..., class_id 
# make sure that x_max < width and y_max < height

• class.names

person
bicycle
car
...
toothbrush

2.1 训练VOC数据集

1) 下载VOC PASCAL 训练集和测试集

$ wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
$ wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
$ wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

2) 解压上面三个压缩包到新建的目录，并且重命名，内容包含如下结构：

VOC           # path:  /home/yang/dataset/VOC；这个改成自己的目录即可
├── test
 |    └──VOCdevkit
 |        └──VOC2007 (from VOCtest_06-Nov-2007.tar)
└── train
     └──VOCdevkit
         └──VOC2007 (from VOCtrainval_06-Nov-2007.tar)
         └──VOC2012 (from VOCtrainval_11-May-2012.tar)
                     
$ python scripts/voc_annotation.py --data_path /home/yang/test/VOC  #改成自己的目录

3) 编辑core/config.py文件，确保有如下必要的配置

__C.YOLO.CLASSES                = "./data/classes/voc.names"
__C.TRAIN.ANNOT_PATH            = "./data/dataset/voc_train.txt"
__C.TEST.ANNOT_PATH             = "./data/dataset/voc_test.txt"

作者提供了两种训练方式：
(1) train from scratch

$ python train.py
$ tensorboard --logdir ./data

(2) train from COCO weights(作者推荐)

$ cd checkpoint
$ wget https://github.com/YunYang1994/tensorflow-yolov3/releases/download/v1.0/yolov3_coco.tar.gz
$ tar -xvf yolov3_coco.tar.gz
$ cd ..
# 如果已经执行过，上面的可以略过，直接进行如下操作
$ python convert_weight.py --train_from_coco
$ python train.py

2.2 VOC 数据集评估

$ python evaluate.py
#评估前，需要修改已经训练的模型文件。core/config.py
#__C.TEST.WEIGHT_FILE            = "./checkpoint/yolov3_test_loss=7.7447.ckpt-32"
$ cd mAP
$ python main.py -na