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
- 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
- 下载安装标注数据软件labelimg。 pip install labelimg
- 控制台输入 labelimg 即可启动。
- 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
-
图1 - 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
- 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)
-
图2 - 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)
-
# 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 =