【YOLO】使用VOC数据集训练自己的YOLOv3模型（Keras/TensorFlow）

参考：
https://blog.csdn.net/patrick_Lxc/article/details/80615433
https://blog.csdn.net/m0_37857151/article/details/81330699

0. 前期准备（因人而异）

记录一下前期的一些配置：
首先要安装好python，博主这里用的是Python 3.6 64-bit。
path环境变量中加入python36和python36/Scripts的路径。
使用管理员权限进入cmd命令提示符，运行一下代码：

pip install --upgrade pip #更新pip
pip install tensorflow #安装 tensorflow
pip install --upgrade numpy #numpy是一个基础的数组计算包，有时候版本较老会报错 
pip install keras #yolo train.py文件里面要用到keras这个高层神经网络API
pip install pillow #安装 图片处理模块PIL(pillow)
pip install matplotlib #安装 2D绘图库matplotlib
pip install opencv-python #安装 opencv视觉库

中间记得测试一下tensorflow安装有没有问题：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
hello = tf.constant('Hello,TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果打算用 GPU版本 训练的话，可以参考我另外一篇文章：https://blog.csdn.net/qinchang1/article/details/90693983

给个版本建议：
Tensorflow-gpu 1.4.0 + Keras 2.2.4（我用的版本）
Tensorflow-cpu 1.13.1 + Keras2.2.4（网友提供成功的版本）

1. 试验官方模型

1.1 下载工程文件

YOLOv3下载：
1）yolov3.weights权重文件：https://pjreddie.com/media/files/yolov3.weights
2）keras-yolo3代码： https://github.com/qqwweee/keras-yolo3 （工程文件如下，记得把 .weights权重文件也放进去）
推荐：百度网盘打包下载(*￣︶￣)：链接：https://pan.baidu.com/s/1OIQGthndfLSfMC1ZlZH6lA 提取码：rlkd
（建议用我的网盘资源下载，因为github上面的工程文件可能会有更改，导致后续的操作出现不同或问题）

1.2 转换权重文件

这里首先要需要将 DarkNet 的.weights文件转换成 Keras 的.h5文件，在cmd中打开工程文件的路径，运行convert.py并告知 “.weights的输入路径 ” 和 “.h5的输出路径” ，代码如下：

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

会在model_data文件夹中生成一个yolo.h5文件。
+注意：这个权重文件要留着，后面可能会用上。

1.3 图片识别

在工程文件中打开yolo_video.py，其用法如下：

usage: yolo_video.py [-h] [–model MODEL] [–anchors ANCHORS]
[–classes CLASSES] [–gpu_num GPU_NUM] [–image]
[–input] [–output]

positional arguments:
–input Video input path
–output Video output path

optional arguments:
-h, --help show this help message and exit
–model MODEL path to model weight file, default model_data/yolo.h5
–anchors ANCHORS path to anchor definitions, default
model_data/yolo_anchors.txt
–classes CLASSES path to class definitions, default
model_data/coco_classes.txt
–gpu_num GPU_NUM Number of GPU to use, default 1
–image Image detection mode, will ignore all positional arguments

例如：识别一张图片，则在cmd