手把手教学Yolo3的安装和实现

Yolo的环境

我写下我的环境
win10
python 3.6.4
tensorflow 1.8.0
tensorllow-gpu 1.8.0
cudatoolkit 9.0
cudnn 7.1.4
最好是使用anaconda进行环境配置
配置完后下载yolov3，
地址 https://github.com/qqwweee/keras-yolo3
导入我们配置的环境就可以直接用了，但是如果想训练自己的模型的话最好还是使用darknet.weight 地址 https://pjreddie.com/media/files/darknet53.conv.74
下载完之后更改名字，改为darknet53.weights
放入到yolo的根目录，这个时候先不要着急，跟目录里还有一个配置文件darknet53.cfg
打开这个文件，会发现有很多可以配置的东西：

这里会发现有很多我们看的懂的或者看不懂的参数，不过都没关系，重点是batch和subdivisions两个数，分别改成64和16，如果想看具体的解释可以参照这篇文章https://blog.csdn.net/phinoo/article/details/83022101

这个时候执行python convert.py -w darknet53.cfg darknet53.weights model_data/darknet53_weights.h5
这样就能生成一个darknet53_weights.h5文件，我们训练的时候就用这个

数据集的预处理

在目录里有一个这样的文件voc_annotation.py，它是用来转换xml文件变为text文件的，那么xml文件是什么呢，首先yolo3是用来进行进行图像识别的（我感觉是），那么给你五万个数据，你想让程序直接识别出来是不可能的，这个时候你就需要给它先标注个1000张（具体情况具体分析），让他学习一下，我这里的例子是人民币编码的识别，一共九种面值，这样

我觉得他们是一类，所以就没有标注那么多，这里说一下标注工具：labelimage， https://download.csdn.net/download/qq_39226755/11562443

用起来也比较简单，设置导入导出目录，然后就可以点那个Creat RectBox创建标注框了，快捷键是W，下一张图片的快捷键是D。
创建完之后生成了许多的xml文件，打开是这个样子，到时候用脚本将里边的信息提取出来，包括图片目录，四个方向的坐标，还有类别。

当我们训练的时候，导入的txt文件的格式应该是这个样子：
图片地址 x_min,y_min,x_max,y_max,类别序号
如果有很多类就在后边叠加，不过得用空格隔开
我整理成了这个样子：