一、 YOLO算法原理
YOLO算法的核心思想是将目标检测任务视为一个回归问题,通过单次前向传播即可直接输出目标的边界框和类别概率。相比传统的基于区域建议的目标检测算法(如R-CNN、Fast R-CNN等),YOLO算法大大简化了检测流程,提高了检测速度。
二、数据准备
训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
在完成数据集的摆放之后,我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。 修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path,classes_path用于指向检测类别所对应的txt。 训练自己的数据集时,可以自己建立一个cls_classes.txt,里面写自己所需要区分的类别。
修改voc_annotation.py中的classes_path,使其对应cls_classes.txt,并运行voc_annotation.py。
这是我们准备的图片及数据: