darknet训练自定义模型

最新推荐文章于 2024-07-15 18:52:11 发布

佐倉

最新推荐文章于 2024-07-15 18:52:11 发布

阅读量290

点赞数

分类专栏：目标检测图像处理深度学习

本文链接：https://blog.csdn.net/qq_38641985/article/details/117297840

版权

图像处理同时被 3 个专栏收录

54 篇文章 8 订阅

订阅专栏

深度学习

30 篇文章 0 订阅

订阅专栏

目标检测

9 篇文章 2 订阅

订阅专栏

下载标注工具，标记

在这里插入图片描述

darknet下载

在这里插入图片描述
https://github.com/AlexeyAB/darknet

vs2017生成darknet.exe

在这里插入图片描述
https://blog.csdn.net/qq_38641985/article/details/117227981

配置环境变量

在这里插入图片描述
不配置也可以，但操作麻烦，配置之后，只要输入darknet，就会自动找到配置位置。

生成txt位置文件


# coding: utf-8
import glob
import xml.etree.ElementTree as ET
 
#  标记类名
class_names = ['tortoise', 'women']
path1 = 'train/' 
path2 = 'test/' 

def single_xml_to_txt(xml_file):
    tree = ET.parse(xml_file)
    root = tree.getroot()
    txt_file = xml_file.split('.')[0]+'.txt'
    with open(txt_file, 'w') as txt_file:
        for member in root.findall('object'):
            picture_width = int(root.find('size')[0].text)
            picture_height = int(root.find('size')[1].text)
            class_name = member[1].text
            class_num = class_names.index(class_name)
            box_x_min = int(member[5][0].text)  # 左上角横坐标
            box_y_min = int(member[5][1].text)  # 左上角纵坐标
            box_x_max = int(member[5][2].text)  # 右下角横坐标
            box_y_max = int(member[5][3].text)  # 右下角纵坐标
            x_center = (box_x_min + box_x_max) / (2 * picture_width)
            y_center = (box_y_min + box_y_max) / (2 * picture_height)
            width = (box_x_max - box_x_min) / picture_width
            height = (box_y_max - box_y_min) / picture_height
            print(class_num, x_center, y_center, width, height)
            txt_file.write(str(class_num) + ' ' + str(x_center) + ' ' + str(y_center) + ' ' + str(width) + ' ' + str(height) + '\n')

def dir_xml_to_txt(path):
    for xml_file in glob.glob(path + '*.xml'):
        single_xml_to_txt(xml_file)
        
def main():
    dir_xml_to_txt(path1)
    dir_xml_to_txt(path2
main()

在这里插入图片描述

生成txt图片位置

import os
 
front_exr = "dataset/"
front_exr = ""

def generate_train_and_val(image_path, txt_file):
    image_files = []
    for filename in os.listdir(image_path):
        print (filename)
        if filename.endswith(".jpg"):
            image_files.append(front_exr+image_path + "/" + filename)
    print (image_files)
    with open(txt_file, "w") as outfile:
        for image in image_files:
            outfile.write(image)
            outfile.write("\n")
        outfile.close()

generate_train_and_val("train", "train.txt")
generate_train_and_val("test", "val.txt")

在这里插入图片描述