使用Yolov3训练自己制作数据集，快速上手（详细图文教程）

💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《图像增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

---

在目标检测和分类这方面，Yolo可以快速很好的解决许多问题，这里总结了快速上手Yolov3的方法，直接快速训练自己的数据集使用。

一、源码包准备

本配套教程提供一个已经调试通的源码包，包含了数据集和源代码，以及我修改的代码，学习者可以先下载后配套着进行学习，接下来的讲解，都将基于此源码包讲解，获取源码包方法文章末扫码到公众号「视觉研坊」中回复关键字：目标检测YoloV3，会自动回复下载链接。

下载好解压后的文件内容见下：

二、训练集准备

学者在使用自己的训练集时，只需要将图片和标签放到源码包的对应文件夹中，关于存放数据集的文件夹位置关系见下。

2.1 训练样本和标签存放位置

图片训练样本和标签的存放位置，见下：

2.1.1 JPEGImages文件

其中JPEGImages文件中的内容见下：

2.1.2 Annotations文件

其中Annotations文件中的内容见下：

每个.xml文件中的内容见下：

在训练自己数据集的时候，只需要将自己的数据集图片拷贝到文件夹JPEGImages中，标签文件拷贝到文件Annotations中就行，不需要自己重新命名文件夹，直接在源码包框架上使用。

2.2 制作自己训练集

2.2.1 制作数据集标签

关于制作VOC数据集，yolo数据集的详细方法，可以参考我另外一篇博客，链接：VOC数据集制作

制作COCO数据集的详细方法见我另外一篇博客，链接：COCO数据集制作

三、训练

3.1 参数修改

（1）在文件夹model_data文件中cls_classes.txt文件中写入打标签时的类名，见下：

（2）文件夹model_data文件中yolo_anchors.txt文件，这里主要介绍一下文件中的内容，学习者不用修改，保持原有的默认即可，见下：

（3）修改voc_annotion.py文件中classes_path的路径：

（4） 运行voc_anntion.py文件会生成6个训练要用到的.txt文件，6个.txt文件分别见下：

（5） 修改训练文件train.py中的classes_path，见下：

3.2 开始训练

直接运行train.py文件就可以开始训练了，见下：

四、推理测试

4.1 参数修改

训练好模型后进行测试，将训练好的模型复制到yolo.py文件下，并修改classes_path，见下：

4.2 测试

开始验证训练后模型的检测效果，直接运行文件predict.py文件，见下：

4.3 测试输出

运行后的输出见下：

五 检测结果

5.1 测试单帧图像

检测效果见下：

5.2 视频实时测试

5.2.1 代码参数修改

想用视频检测时的代码修改见下:

5.2.2 视频测试效果

视频实时的检测效果见下（这里只是截取了其中一帧，运行代码视频是可以实时高效检测到人脸的）：

六、总结

以上就是使用Yolov3训练自己制作的数据集，快速上手的方法，学习者在使用的时候只需要按照我上面的步骤，修改几个文件参数就可以训练自己的数据集了，希望对正在学习Yolov3的你有所帮助，想快速上手学习Yolov5的学者，详见我另外一篇博客YoloV5快速上手。

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！