前言:如图所示
准备:
需要提前安装的:
1-CUDA cudnn
2-opencv 3.4.0
3-vs2015(推荐) or vs2017
需要提前下载的:
下载yolov3预训练模型darknet53.conv.74
如果是vs2017就点击更新
【工具】->【获取工具和功能】->选择安装【适用于桌面的 VC++ 2015.3 v14.00 (v140) 工具集 】
数据集一份
安装Darknet框架
步骤一:
打开vs,选择项目D:\darknet-master\build\darknet\darknet.vcxproj
步骤二:配置vs-release
1-CUDA路径
2-OPENCV路径
步骤三:生成
步骤四:运行成功后会在x64下生成darknet.exe
步骤五:测
darknet.exe detect cfg/yolov3.cfg yolov3.weights ./5.jpg
训练自己数据
数据方面:
hs.data文件内容
classes = 5
train = ./preImage/train.txt
names = ./hs.names
backup = ./models
hs.names
classname0
classname1
classname2
...
train.txt
... ...\YOLO_lable\000040.jpg
... ...\YOLO_lable\000041.jpg
... ...\YOLO_lable\000042.jpg
... ...\YOLO_lable\000044.jpg
YOLO_lable文件夹情况
YOLO_lable/
├─ 000040.jpg
├─ 000040.txt
├─ 000041.jpg
├─ 000041.txt
├─ 000042.jpg
└─ … …
000041.txt内容
0 0.9674556213017751 0.2220447284345048 0.05325443786982249 0.22044728434504793
类别 x_center y_center w h
配置方面:
[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=32
subdivisions=16
width=416
height=416
channels=3
# 优化器配置
momentum=0.9
decay=0.0005
# 数据增强配置
angle=0
saturation = 1.5 ### ---饱和度
exposure = 1.5 ### ---曝光度
hue=.1 ### ---色调
# 学习率配置
learning_rate=0.001
burn_in=1000
max_batches = 500200
policy=steps
steps=400000,450000
scales=.1,.1
... ...
# 三处【yolo全改】
[convolutional]
size=1
stride=1
pad=1
filters=30 ### ---3*(5+class)
activation=linear
[yolo]
mask = 0,1,2
# 可以用 k-means 选择合适的anchor
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
classes=5 ### ---class
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1 ### 可以不改,显存报错再改成0
run!
-------------end