yolov3训练自定义数据集

目标

使用yolov3训练自己的数据集，数据集大概一千张图，两个类别。

数据准备

1. 环境准备。确保 darknet环境已经make和测试OK，可参考我的上一篇配置
2. 下载安装标注数据软件labelimg。 pip install labelimg
3. 控制台输入 labelimg 即可启动。
4. 使用labelimg 标注数据。如对 aaa.jpg 文件进行标注，画一个框，类别为person，标注的结果是生成一个 aaa.txt 文件，内容为  class ,x,y,w,h。 如图1

5. 

   图1

6. 创建model目录，复制darknet/cfg目录下的yolov3.cfg到darknet/model目录，并重新命名为yolo-obj.cfg
7. 在 地址 下载预置权重文件,把下载的 darknet53.conv.74 文件放也放进darknet/model目录（文件结构如下图2）

8. 

   图2

9. 修改yolo-obj.cfg 文件内容。batch 和 subdivisions 等 改动如下：（针对自己的机器性能和分类需求改动可能所有不同）

10. # 1080这样带的动，再大就会内存溢出报错
    batch=32
    subdivisions=8
    # max_batches = classes*2000 = 2*2000 = 4000
    max_batches =