Yolov3训练过程：VS2019+Opencv4.2

环境要求

关于在Windows下的配置（无GPU）基于VS和opencv，参考这个博客
https://blog.csdn.net/baidu_36669549/article/details/79798587
介绍的很详细，我就是按照这个配置成功的，只不过我的版本是：
VS2019+opencv4.2
博客中说到opencv版本不超过3.6，我也不清楚为什么自己的4.2版本成功了。。。emmm
（PS：这里的Opencv是需要扩展contribute后的包）
（因为是无GPU的，所以训练过程超级超级慢，及时记下来也怕是以后忘了，虽然想到以后也不会使用无GPU来训练，哈哈）

相关配置文件下载

链接：https://pan.baidu.com/s/1UVuTIlOeD7XZnl3ngbX3EA
提取码：4o2b
里面那个我已配置好的yolov3文件夹可忽略（是我自己电脑的），其他三个是下面训练过程需要的。

训练过程

第一步：

准备训练样本，因为知道无GPU肯定很慢，这里我准备了100个样本，用来识别人有没有戴口罩，50个正样本mask，50个负样本nomask，使用网盘中的labelImg.exe软件进行训练集的标注，打标签生成xml文件。
我的如下：

第二步：

打开从网盘中下载的VOCdevkit文件夹，在下面路径下，删掉那四个txt文件：

然后把相应的文件放入如下路径相应的文件夹中，正负样本一起放进去，看好序号：

然后，运行test.py文件，

会发现刚刚删掉那四个txt文件的Main文件夹里面，又重新生成了四个txt文件，如下：
打开后是这个样子：

第三步：

现在把VOCdevkit文件夹
放到如下路径中：

然后在这个目录中找到voc_label.py文件，用记事本打开或者用notepad++打开，打开里面是这样，有几个地方要改：


修改后保存下，因为我是两个类，戴口罩和没戴口罩，如下所示：

运行刚刚修改的voc_label.py文件，就会在该目录中生成如下这几个文件：

现在在这个文件夹下运行cmd 输入
type 2007_train.txt 2007_val.txt> train.txt，按回车
这个命令是把两个文件里的数据合到一个文件里，生成train.txt文件


运行完了，检查下这个文件夹里的TXT有没有数据
这里如若没有数据即txt文件显示为空的话，就将你的xml文件转成txt格式放进去
（https://blog.csdn.net/Enjoy_endless/article/details/80819945
看下这个，把xml文件转换成txt文件
https://blog.csdn.net/jmu201521121021/article/details/86499729
）

第四步：

在下面的路径下找到这两个文件：

下面修改这两个文件中的内容：


在如下的路径下，打开这个文件yolov3-voc.cfg



在这个文件最下面有个[yolo]

第五步：

将从网盘下载中的预训练权重，放到x64文件夹下


感人的时候到了。。。。。。

PS：

这次我就不等数据训练完了，仍清楚记得上次训练了5次，跑了三四个小时。。。
数据训练完了之后，在如下路径下会生成一个你刚刚训练好了的权重

然后再回到X64文件夹下，cmd回车进入cmd界面，
输入命令：
darknet.exe detector test cfg\voc.data cfg\yolov3-voc.cfg backup\yolov3-voc_final.weights data\voc\VOCdevkit\VOC2007\JPEGImages\000004.jpg
此时可以随意测试一个视频或者图片，看看能否识别出来。。。

关于其他一系列的操作，我这个小白还没掌握，仍努力摸索中。。。

学习的博客有如下这些：
在自己的数据集上训练YOLOv3模型
https://www.jianshu.com/p/4fe5a31eb77e

在Pascal VOC 数据集上训练YOLOv3模型
https://www.jianshu.com/p/5c8990fe079e