YOLO V3训练自己的模型实现目标检测的主要步骤

1.生成所有图像序号id

运行/home/sq123/1classdata/pascal_voc/VOCdevkit/VOC2007/ImageSets/Main/train.py

 

2.生成所有图像的路径,运行三次可做三个种类的分类

运行/home/sq123/1classdata/generatetxtpath.py

 

3.将VOC的xml文件转换为tYOLO的txt文件

运行/home/sq123/1classdata/xmltotxt.py

 

4.确定分类种类、训练数据的路径、权重数据存放位置

修改/home/sq123/darknet/cfg/中的voc.data文件

 

5.修改分类的名称

修改/home/sq123/darknet/data/中的voc.names文件

 

6.修改训练参数的batch和subdivisions大小

修改/home/sq123/darknet/cfg中的yolov3.cfg文件

 

7.修改完所有的内容后，在darknet的目录下make clean 后然后make

 

8.训练模型

./darknet detector train cfg/voc.data cfg/yolov3.cfg darknet53.conv.74

 

9.测试单张图片

./darknet detector test cfg/voc.data cfg/yolov3.cfg backup/yolov3-voc_600.weights 000008.jpg

 

10.测试摄像头

./darknet detector demo cfg/voc.data cfg/yolov3.cfg backup/yolov3-voc_600.weights