【AI实战】动手训练自己的目标检测模型（YOLO篇）

冲击年薪50W，助你进阶Python工程师>>>

在前面的文章中，已经介绍了基于SSD使用自己的数据训练目标检测模型（见文章：手把手教你训练自己的目标检测模型），本文将基于另一个目标检测模型YOLO，介绍如何使用自己的数据进行训练。

 
YOLO（You only look once）是目前流行的目标检测模型之一，目前最新已经发展到V3版本了，在业界的应用也很广泛。YOLO的基本原理是：首先对输入图像划分成7x7的网格，对每个网格预测2个边框，然后根据阈值去除可能性比较低的目标窗口，最后再使用边框合并的方式去除冗余窗口，得出检测结果，如下图：
 
YOLO的特点就是“快”，但由于YOLO对每个网格只预测一个物体，就容易造成漏检，对物体的尺度相对比较敏感，对于尺度变化较大的物体泛化能力较差。

本文的目标仍旧是在图像中识别检测出可爱的熊猫

基于YOLO使用自己的数据训练目标检测模型，训练过程跟前面文章所介绍的基于SSD训练模型一样，主要步骤如下：
 
1、安装标注工具
本案例采用的标注工具是labelImg，在前面的文章介绍训练SSD模型时有详细介绍了安装方法（见文章：手把手教你训练自己的目标检测模型），在此就不再赘述了。
成功安装后的labelImg标注工具，如下图：

2、标注数据
使用labelImg工具对熊猫照片进行画框标注，自动生成VOC_2007格式的xml文件，保存为训练数据集。操作方式跟前面的文章介绍训练SSD模型的标注方法一样&#x