Tensorflow版yolov3训练自己的数据

Tensorflow版yolov3训练自己的数据

源代码:https://github.com/YunYang1994/TensorFlow2.0-Examples/tree/master/4-Object_Detection/YOLOV3
本机可运行的环境如下:
图1配置环境

1. 下载完代码后首先在主/根目录下建立train和test文件夹,目录树如下:

在这里插入图片描述
test为测试集,train为训练集,与voc_annotation.py文件中设置的路径需一致才能生成voc_train.txtvoc_test.txt

2. 打开voc_annotation.py修改如下:

修改自己需要训练的类别

  • 1
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
要在Windows 10上使用TensorFlow训练自己的数据集,我们需要按照以下步骤进行操作: 1. 安装Python和TensorFlow:首先,确保你已经安装了Python和TensorFlow。你可以在Python官方网站下载Python,并使用pip命令安装TensorFlow。 2. 准备数据集:准备你的自定义数据集,并将其划分为训练集和验证集。确保数据集中包含图片和相应的标签文件。 3. 下载预训练模型权重:Yolov3是一个已经训练过的模型,你可以在互联网上找到与COCO数据训练的预训练权重。下载这些权重文件以作为训练的起点。 4. 调整配置文件:在YOLOv3的配置文件中做一些必要的更改。指定你的类别数目、路径、学习率等参数。 5. 数据预处理:在开始训练之前,需要将数据集转换成Yolo V3所需的格式。可以使用相应的Python脚本完成这一步骤。 6. 训练模型:使用转换后的数据集和配置文件开始训练模型。这可以通过运行相应的训练命令来完成。 7. 评估和调整:训练完成后,可以使用验证集对模型进行评估,以评估其性能。根据结果,可以调整模型的参数或重新训练。 8. 推理和预测:训练完成后,模型可以用于进行推理和预测。可以使用训练好的模型权重文件对测试图片进行目标检测。 使用上述步骤,你应该能够在Windows 10上使用TensorFlow训练自己的数据集,并用YOLOv3模型进行目标检测。确保按照说明正确配置环境并按顺序执行每个步骤,以获得最佳结果。
评论 2
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