yolov3代码链接:eriklindernoren/PyTorch-YOLOv3: Minimal PyTorch implementation of YOLOv3 (github.com)
以上这份yolov3,代码可以说是yolo系列最常用的结构了吧。
下面开始一步步解析如何正常运转这份代码。。。
config文件要修改 classes数和filter数
一. 使用官方数据集
针对本份代码:yolov3需要的外部数据集文件:6个文件
train.txt:存放训练集图片的绝对路径
val.txt:存放验证集图片的绝对路径
labels文件夹下的train.txt:存放训练图片的目标框信息
labels文件夹下的val.txt:存放验证图片的目标框信息
.names文件:存放类别信息
.data文件:存放以上 .names文件,train.txt,val.txt的,以及类别数目 4种信息
1.1. 使用coco数据集
打开data文件夹下的get_coco_dataset.sh文件
总结:
(1)只需要下载5k.part,trainvalno5k.part,labels.tgz文件
(2)在和5k.part以及trainvalno5k.part同级的目录的git bash中运行下述代码,即可生成含绝对路径的 5k.txt文件,和 trainvalno5k.txt文件。
paste <(awk "{print \"$PWD\"}" <5k.part) 5k.part | tr -d '\t' > 5k.txt paste <(awk "{print \"$PWD\"}" <trainvalno5k.part) trainvalno5k.part | tr -d '\t' > trainvalno5k.txt
(3)再下载 这个链接https://github.com/pdollar/coco的coco数据集
windows下不能直接运行.sh文件,所以得打开自己找链接下载。
git bash也只能下载github的文件,而不能下载其他网址的文件。
关于coco数据集下载,我想说的是:
很多官方代码都说要下载这四个文件:只关注链接,直接点链接下载
wget -c "https://pjreddie.com/media/files/instances_train-val2014.zip" --header "Referer: pjreddie.com" wget -c "https://pjreddie.com/media/files/coco/5k.part" --header "Referer: pjreddie.com" wget -c "https://pjreddie.com/media/files/coco/trainvalno5k.part" --header "Referer: pjreddie.com" wget -c "https://pjreddie.com/media/files/coco/labels.tgz