超详细教程:YOLO_V3(yolov3)训练自己的数据

前言:最近刚好做一个项目需要做detection,选择的算法是yolo v3,因为它既有速度又有精度,还非常灵活,简直是工业界良心。做项目免不了需要用到自己的数据集,所以得从头一个脚印的来,走通了之后决定写一个帖子,让需要用的人少走歪路,节约时间。
官网上已经教我们如何跑起来yolo v3,因此大部分时间其实花在制作数据集上。总体来说,分为四个步骤,分别是:标注数据,利用voc制作自己的数据集,下载并编译源码,局部修改和大功告成(前两步可以在方便操作的环境下(windows或linux)进行,后面几步在linux环境进行)

一、标注数据

  1. 工具:
    使用的标注工具是labelimg,其他标注工具也行,但是生成的标注label文件要是xml。这里给一个labelimg软件的传送门 https://pan.baidu.com/s/1tuIQmuyedRHP1WeGVVSx_Q 提取码: ejgx 。

  2. 数据集编号:
    为了规划自己的数据,减少出错的可能性,最好自己先给自己的图片编一个合理的序号,比如0001~0999。

  3. 标注数据:
    利用软件把自己的数据标注好。每一个图片名对应的有一个相应名字的label.xml。
    如图所示

  • 142
    点赞
  • 1275
    收藏
    觉得还不错? 一键收藏
  • 194
    评论
要在Linux上使用YOLOv3训练自己的数据集,你可以按照以下步骤进行操作: 1. 下载YOLOv3的预训练模型。使用以下命令下载预训练权重文件: ```shell wget https://pjreddie.com/media/files/yolov3.weights ``` 2. 标注数据。你需要为你的数据集标注bounding box,并生成相应的label文件。可以使用一些标注工具来完成这个任务。 3. 制作自己的数据集。在darknet目录下创建一个VOCdevkit文件夹,并将刚才标注好的数据集(包括图像和对应的label文件)拷贝到该文件夹下。 4. 下载并编译源代码。使用以下命令下载YOLOv3的源代码: ```shell git clone https://github.com/pjreddie/darknet.git cd darknet make ``` 5. 修改配置文件。在darknet/cfg目录下,你需要修改yolov3.cfg文件来适应你的数据集。主要修改的地方包括:设置`batch`和`subdivisions`为适当的数值(这取决于你的显卡内存),设置`classes`为你数据集中的类别数目,设置`filters`为`(classes + 5)* 3`。 6. 转换label文件格式。通过以下命令来转换label文件格式: ```shell wget https://pjreddie.com/media/files/voc_label.py python voc_label.py ``` 7. 开始训练。使用以下命令开始训练你的数据集: ```shell ./darknet detector train cfg/voc.data cfg/yolov3.cfg yolov3.weights ``` 以上是在Linux上使用YOLOv3训练自己的数据集的步骤。请注意,这只是基本步骤,具体操作可能会因为你的数据集和环境的不同而有所差异。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [详细教程YOLO_V3yolov3训练自己的数据](https://blog.csdn.net/qq_21578849/article/details/84980298)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 194
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值