【目标检测算法YOLO学习记录】YOLO训练环境准备

 

 

YOLO全称You Only Look Once，是一个端到端（end-to-end）的目标检测算法，现在已经发展到第三个版本。由于第三个版本已经比较复杂，我们选学习第一个版本。

github上有个同学实现了一个pytorch的版本：https://github.com/xiongzihua/pytorch-YOLO-v1

我基于他的源码学习，学习过程中的代码修改放在：https://git.dev.tencent.com/zzpu/yolov1.git

 

1 数据准备

根据github上的说明，需要下载voc2012和voc2007test数据，附上地址：

voc2012：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/

voc2007：http://host.robots.ox.ac.uk/pascal/VOC/voc2007/

下载完之后，解压出数据，其中都包含一个名为JPEGImages的文件夹，是数据集的图片文件，将两个数据集的对应文件夹中的所有图片放到同一个文件夹中（如：allimgs),然后拷贝源码中的voc2012.txt,voc2007test.txt两个文件到该文件夹。

至此，数据准备工作完毕。

2 源码修改

你可以直接使用我学习过程中源码，改源码是修改好的。其实就两个地方需要修改。

2.1 修改支持pytorch1.0

因为源码是作者一年前实现的，现在pytorch1.0已经发布，有一个小地方需要修改：

if (i+1) % 5 == 0:
    print ('Epoch [%d/%d], Iter [%d/%d] Loss: %.4f, average_loss: %.4f' 
    %(epoch+1, num_epochs, i+1, len(train_loader), loss.data[0], total_loss / (i+1)))
    num_iter += 1
    vis.plot_train_val(loss_train=total_loss/(i+1))

 data[0]改为item(),所有地方都要改：

        if (i+1) % 5 == 0:
            print ('Epoch [%d/%d], Iter [%d/%d] Loss: %.4f, average_loss: %.4f' 
            %(epoch+1, num_epochs, i+1, len(train_loader), loss.data.item(), total_loss / (i+1)))
            num_iter += 1
            vis.plot_train_val(loss_train=total_loss/(i+1))

2.2 修改数据集路劲和训练数据集

路径改为你放图片的地方：

file_root = '/home/xzh/data/VOCdevkit/VOC2012/allimgs/'

数据集，训练只用voc2012：

train_dataset = yoloDataset(root=file_root,list_file=['voc2012.txt','voc2007.txt'],train=True,transform = [transforms.ToTensor()] )
train_loader = DataLoader(train_dataset,batch_size=batch_size,shuffle=True,num_workers=4)

改为：

train_dataset = yoloDataset(root=file_root,list_file=['voc2012.txt'],train=True,transform = [transforms.ToTensor()] )
train_loader = DataLoader(train_dataset,batch_size=batch_size,shuffle=True,num_workers=4)

3 执行训练命令

python train.py 

如下图：