带你快速使用YOLOv3,训练出自己的目标检测器

本篇文章是使用大神开源代码后得出的总结，带你规避路上的坑，带你快速使用上YOLOv3，可以不了解它的原理的前提下，知道它是个目标检测器就好了，帮你自动检测图片中物品的位置。

首先，上大神凯源代码：https://github.com/YunYang1994/tensorflow-yolov3，该代码讲述是大神用voc数据训练时使用的全部代码，所以你的训练自己的数据有些代码用不到。

下面是整个步骤，纯属个人理解，有不同意见欢迎提出。

一.首先将大神的代码克隆下来 ：与本篇博客结合使用，更美味

$ git clone https://github.com/YunYang1994/tensorflow-yolov3.git

如果是识别常规物体，使用大神的part 2 的quick start 就好了，而如果是自己的数据集特别的物品，请参看下面的讲解：

1.制作自己的训练图像数据集，工具labelimg,在网上可以搜到官方安装和使用教程，这里不做赘述，python3使用者推荐安装方法：

pip  install labelimg

在终端输入 labelimg 启动软件

2.图像标记后数据格式xml，将xml数据提取data.txt，格式为：

Xxx/xxx.jpg 48,240,195,371,11 8,12,352,498,14   #注意逗号和空格的位置

#image path x_min,ymin,x_max,y_max,class_id x_min,y_min   

数据提取代码参考如下：

#将images里的数据保存标准格式
import xml.etree.ElementTree as ET  # 给包xml.etree.ElementTree 定义一个 ET 别名  操作XML文件的包
import pickle  # pickle 模块 将某个对象所对应位置的数据抓取下来，转换成文本流，然后将文本流存入到文件中。
import os  # os 模块 提供了非常丰富的方法用来处理文件和目录。
from os import listdir, getcwd  # 从os包中引入 listdir, getcwd 类
from os.path import join,isfile   # 从 os包中的path类中引入 join 方法

#类名 
classes=['xxx','xxx','xxxx']
def convert_annotation(image_id)