Pytorch 搭建自己的YOLO3目标检测平台(Bubbliiiing 深度学习 教程)_哔哩哔哩_bilibili
训练数据集放在VOCdevkit中,其中annotations放标签,jpegimages中放图片,然后ImageSets中的testtxt是算mAP用的,train.txt放测试的,val.txt放验证的,trainval.txt用不着。
制作数据集用labelimg库,去pytorch环境下安装即可pip install
安装完后直接输入labelimg就可以打开了。
跟那个anaconda-navigator好像
labelimg的使用:
首先如上图创建文件夹
图片放photo里,然后change save dir选annotation存放标签,然后view里面勾选auto save mode。键盘a和d切换。
训练参数解析:
1、可以在model_data下创建cls_classes.txt,输入标签名。
2、yolo_anchors.txt对应了先验框。(相对416×416)一般不修改。
3、yolo_weights.pth就是预训练权重。
4、freeze_batch_size根据自己的显存大小调节。一般冻结阶段batch_size和学习率会调大一些,然后解冻阶段这两个会调小一些。
训练:
voc_annotation.py就可以获得训练集测试集。
其它看代码,一般改路径就行了。
预测:
nmsiou越大则越不严格,越小则nms越严格。
权值文件在logs