YOLOv3训练自己的数据

本文记录了使用YOLOv3训练自己数据集的过程中遇到的问题及解决方案,包括GPU训练、数据标注、权重下载、配置修改、训练与测试等环节。在遇到内存不足的问题时,通过调整权重文件和GPU设置最终成功训练模型。
摘要由CSDN通过智能技术生成

主要根据此文中步骤进行,针对自己遇到的问题进行以下总结:

一、使用GPU训练修改makefile后,需要在darknet文件夹下运行make。

二、前部分一直到运行demo,按照步骤执行都没有问题。yolov3.weights文件如果下载不方便,可以直接复制网址到浏览器上下载,下载好的文件放在darknet根目录下。

三、(3.生成训练用的标注文件)如果已经制作好了VOC2007数据,在VOCdevkit/VOC2007文件夹中将Annotations文件夹拷贝过去。

四、按照步骤修改voc_label.py后,在根目录下会生成2007_train.txt、2007_val.txt、2007_test.txt、train.txt四个文件,这四个文件本应放在VOCdevkit/VOC2007/ImageSets/Main中,但如果放入其中,则后文中需要做一定修改。

五、(4.修改pascal数据的cfg文件)此处的路径就是前文四中所说需要修改的地方,根据不同的存放位置进行修改。

六、(5.下载Imagenet上预先训练的权重)此处下载的权重很大,如果GPU内存不够强大,会出现out of memory的现象。此处的3、4条中的两个权重需要的内存会相对较少。不过,out of memory也不一定全是GPU的问题,需要确保两点:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在使用YOLOv3训练自己的数据集时,你需要进行以下几个步骤的修改: 1. 数据集标注格式:YOLOv3使用的是Darknet格式的标注文件,每个图像对应一个同名的txt文件,其中包含了物体类别和边界框的位置信息。如果你的数据集使用其他格式,你需要将其转换为Darknet格式。 2. 类别数量:根据你的数据集中物体的类别数量,你需要在模型配置文件中修改类别数目。在YOLOv3中,这个配置文件通常是`yolov3.cfg`或`yolov3-tiny.cfg`。 3. 锚框(anchors)设置:YOLOv3使用了预定义的锚框来提取不同尺度的目标框。如果你的数据集中的对象尺度与预定义锚框不匹配,你需要在模型配置文件中修改锚框的尺寸。这些锚框信息通常在`[yolo]`层中定义。 4. 输入图像尺寸:YOLOv3网络对输入图像的大小有一定要求。默认情况下,YOLOv3要求输入图像的宽高为32的倍数。如果你的图像尺寸不满足这个要求,你需要在模型配置文件中修改对应的参数。 5. 训练参数:根据你的数据集和训练需求,你可能需要修改训练参数,如学习率、批次大小、迭代次数等。这些参数通常在训练脚本中进行设置。 除了以上修改,你还需要注意确保数据集的正确性,包括标注准确、类别均衡、图像质量等。此外,为了获得更好的检测性能,你可能需要调整其他超参数,如网络深度、特征图数量等。这些超参数可以在模型配置文件中进行调整。
评论
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