YOLOv3训练自己的数据、批量测试、测试召回率步骤总结

系统：ubuntu16.04.5	查看命令：cat /etc/issue
GPU：RTX 2070	查看命令：nvidia-smi
python：2.7.15	查看命令：python
opencv:3.4.0	查看命令：pkg-config --modversion opencv
CUDA Version：8.0.61	查看命令：cat /usr/local/cuda/version.txt
CUDNN：6.0.21	查看命令：cat /usr/local/cuda/include/cudnn.h

训练过程

1.标注数据，用到的是原图和标注数据（XML）
可以用LabelImg工具标注。
链接:https://pan.baidu.com/s/11zsNoah9nIRDjqgPPQ-xxA 提取码:874q

2.下载yolov3项目工程

git clone https://github.com/pjreddie/darknet
cd darknet
make

3.修改Makefile文件

GPU=1
CUDNN=1
OPENCV=1

-gencode arch=compute_61,code=[sm_61,compute_61]  根据GPU版本修改

NVCC=/usr/local/cuda-8.0/bin/nvcc 

4.准备所需的数据集格式

1）建立VOCdevkit文件夹，里面为名为VOC2018的文件夹，在里面是4个文件夹，Annotations、 ImageSets、JPEGImages、labels

2）Annotations是存放标注的XML文件
ImageSets里面有个main文件夹，里面装着train.txt和val.txt，里面装的是图片名称的前缀儿
JPEGImages用于存放原图
labels用于存放每个图片目标数据的txt文件（纯数据）

3）执行getTxtOfTandV.py文件，提取文件名的前缀，并按1：9的比例分训练集和测试集（网上有）

#coding:utf-8
import os
import random

trainval_percent = 1  #训练验证数据集的百分比
train_percent = 0.9 		#训练集的百分比
xmlfilepath = '/home/.../darknet/VOCdevkit/VOC2018/Annotations'  	#xml文件的路径
txtsavepath = '/home/.../darknet/VOCdevkit/VOC2018/ImageSets/Main'  #txt文件的保存路径	# os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。这个列表以字母顺序。
total_xml = os.listdir(xmlfilepath)
num=len(total_xml)  				#列表的长度
list=range(num)
tv=int(num*trainval_percent)  #训练验证集的图片个数
tr=int(tv*train_percent)  	  #训练集的图片个数	# sample(seq, n) 从序列seq中选择n个随机且独立的元素；
trainval= random.sample(list,tv)
train=random.sample(trainval,tr)
#创