本教程为keras-yolov3版本的训练及测试全过程实现,为保证对新手的友好性,不会过多解释原理,主要是让新手能对全过程有个比较清楚的概念和认识,方便训练自己的数据。
本教程一共有三个部分:一.数据集准备及生成 二.训练所需知识 三.测试及相关性能测试可视化
一.数据集准备及生成:
1.先来熟悉文件结构
font文件夹下是保存keras-yolov3可能会调用到的字体及颜色,在测试部分有用,方便在图片上显示相应文字标签
logs文件夹是保存模型权重的,在训练时也会保存tensorflow下的tensorboard可视化图,可供查看训练曲线
model_data文件夹下保存有coco_classes.txt,tiny_yolo_anchors.txt,voc_classes.txt,yolo.h5,yolo_anchors.txt,yolo-tiny.h5这6个文件,其中必须需要的是后5个。因为在本次训练中,全程按照VOC2007数据集格式来,所以coco_classes.txt文件中保存的coco数据集类别数据可以删除不要,而后5个分别是yolo和tiny-yolo的anchors(锚点)大小和其在原版darknet下载训练并转换成keras模型的预训练权重,这些在训练过程中都要用到。
results文件夹是保存测试部分中对测试集图片进行测试的结果,在测试分析中需要用到
VOCdevkit文件夹是所有数据存放的文件夹,其下文件夹目录为
进入VOC2007文件夹可看到
这里Annotations文件夹保存的是所有图片的标注框xml格式的数据。ImageSets文件夹下还有
三个子文件夹,其中只有Main文件夹有用,里面存放着训练需要调用的图片名称,
这里放着的是训练集和测试集的图片名称,方便训练时的调用。
JPEGImages文件夹下放着所有的图片文件,可以是JPG或者PNG格式的图片。
SegmentationClass和Segmentati