Caffe学习（五）win10下配置vs2013版本的yolo+mobileNet训练自己的数据集

Caffe学习（五）win10下配置vs2013版本的yolo+mobileNet训练自己的数据集

准备阶段

1、caffe-mobilenet-windows
2、数据集
3、python

caffe-yolo

关于Caffe-YOLOv3-Windows的安装配置请参考

https://blog.csdn.net/mqyw29995/article/details/105961674

数据集

1、工具下载
标定数据集可以使用labelme，具体下载可去GitHub上下在，安装按照上面提示进行。
2、数据标定
对数据进行标定后会生产相应的xml。
PS：由于这一步不是重点且教程很多所以不详细叙述

制作lmdb

这里说的txt是图片位置以及xml位置，这里需要打乱顺序。
可以直接写一个py脚本进行分类也可以用官方的脚本，这里是darknet下的scripts文件夹下的voc_label.py做修改（这里的darknet是yolov3的可参考yolov3配置文章）。

1、由于这个是直接调用的voc的所以我们这边可以套用voc的框架，首先生成两个文件，train.txt和val.txt
train.txt:记录你的训练集，val.txt记录你的验证集。

PS:这里生成可以自己用python或者c++写一个生成工具，红色框内对应的是xml的文件名（同时也是图片的位置），需要注意的是xml存在图片一定要存在。同时训练集和测试集的xml最好放同一个文件夹下，比较方便。

2、首先吧sets修改成只有两个数组，然后把classes修改成你对应的类别（我这边是只有一类所以选aeroplane，如果你标定的有两类，三类就加队对应的名称，这里需要和你xml标定的名称一样）

3、修改路径，这里的所有路径都需要改成你对应的图片已经xml和txt所在的路径，当然如果你不修改，也可以根据他的路径创造文件夹然后放下去。

特别注意：最后一个写入地址需要改成

修改最后两条os.system() （这里可以选择屏蔽，由于语句是Linux下语句，所以需要换成window下操作命令）

然后运行py就可以生成需要的两个文件

其中内容大致是这样的
3、生成lmdb
这里需要调用工程自带的 convert_annoset.exe

Caffe-YOLOv3-Windows-master\scripts\build\tools\Release\convert_annoset.exe --anno_type=detection --encode_type=jpg --encoded=true  --shuffle=true --label_map_file=labelmap_voc.prototxt VOCdevkit\VOC2012\Germany\ VOCdevkit\2012_train.txt VOCdevkit\train_voc_lmdb

Caffe-YOLOv3-Windows-master\scripts\build\tools\Release\convert_annoset.exe --anno_type=detection --encode_type=jpg --encoded=true  --shuffle=true --label_map_file=labelmap_voc.prototxt VOCdevkit\VOC2012\Germany\ VOCdevkit\2012_val.txt VOCdevkit_voc_lmdb

然后运行脚本，最后就可以生成lmdb文件了（注意正常大小说明生成成功，如果两个文件都只有8k说明失败）。

开始训练

1、模型位置在 Caffe-YOLOv3-Windows-master\models\yolov3\ 下

1、修改solver文件：

1、2两个net替换成你（修改过的）的net文件位置

2、修改test文件：

2.1、 修改成你对应的lmdb所在的目录

2.2、 修改你标签文件所在的目录下（这里的标签文件可以参考voc的标签文件格式改成自己的，即去掉多余的，加上自己的，background必须保留）。

2.3、修改数量
2.3.1、这里修改修改成你的类别数+1（例如，我是1类所以是2）

2.3.2、这里需要修改成（类别数+5）*3（例如，我只有一类就是（1+5）*3）


2.4、修改train文件
2.4.1、修改训练集所在位置，添加跟test一样的label位置

2.4.2、修改类别数，这里注意有几类就写几（不用像test一样 +1）

2.4.3、修改num_output:这里修改的方法跟test是一直的（其实值是一样的）

最后编写bat文件执行，开始训练

Caffe-YOLOv3-Windows-master\scripts\build\tools\Release\caffe.exe train -solver VOCdevkit/mobilenet_yolov3_lite_solver.prototxt

这里注意：由于我训练的没有预训练模型，所以不用加（预训练模型要跟你的网络模型一致才能用）。

等待训练完成。