windows10 + Anaconda +（keras）yolov3训练自己的数据集_把下载好的yolov5传到anaconda3-CSDN博客

本文链接：https://blog.csdn.net/qq_40155090/article/details/100693667

1.下载（keras）yolov3：

https://github.com/qqwweee/keras-yolo3

2.搭建yolov3运行需要的环境：

（注意：可用Anaconda的命令行创建虚拟环境conda create -n py35 python=3.5，或者用Anaconda Navigator界面创建虚拟环境，以及下载安装其它依赖程序，当自己网速慢时很有可能下载不下来，本文提供了自行下载地址，可以移步下载）

Python 3.5.2
Keras 2.1.5（https://download.csdn.net/download/qq_40155090/11709423）
tensorflow 1.6.0（GPU版本）（https://download.csdn.net/download/qq_40155090/11709466）

3.准备自己的数据集：

（注意：数据集为.jpg后缀）

4.用LabelImg标注：

https://download.csdn.net/download/qq_40155090/11709643

（标注之后为.xml文件）

5.在yolov3文件夹下建立文件夹VOCdevkit，并在VOCdevkit下建立VOC2007，在VOC2007下建立三个文件夹，分别为Annotation、ImageSets、JPEGImages，在ImageSets中创建Main文件夹:

将原图片放在JPEGImages中，将xml标注放在Annotation中

6.下载权重：将下载后的文件放在yolov3（主）文件夹中：

https://pjreddie.com/media/files/yolov3.weights

7.修改voc_annotation.py分类，classes对应修改为自己的类别：

python voc_annotation.py

8.修改主文件夹yolov3.cfg中的网络，将yolo层的classes改成自己的类别数，将yolo上一层的conv层的filter改成3*（类别数+5）:

9.运行如下create_ImageSets.py文件，在ImageSets的Main中生成4个文件：

import os
import random
 
trainval_percent = 0.2
train_percent = 0.8
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
 
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
 
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
 
for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)
 
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

将上图4个txt文件移入model_data文件夹中，并在model_data文件夹中新建my_classes.txt文件，并在文件中写入自己的类别，每一类别占一行

10.重新生成h5文件:

python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5

11.修改train.py文件:

12.运行train.py:

python train.py

开始运行：

13.修改yolo.py:

14运行yolo_video.py --image检测单张图片：

在出现Input image filename：后填入待检测图片的位置，等待检测结果

参考连接：

https://blog.csdn.net/mingqi1996/article/details/83343289

https://blog.csdn.net/u012746060/article/details/81183006