darknet yolov3 模型训练步骤整理

1. 把需要训练的图片拷贝到

D:\模型训练\darknet-master\build\darknet\x64\data\VOCdevkit\VOC2012\JPEGImage

2. 执行imageName.py 文件，重命名JPEGImage下的图片。

D:\模型训练\darknet-master\build\darknet\x64\data\VOCdevkit\VOC2012\imageName.py

3. 用标注工具labelImg.exe标注图片

D:\labelImg\labelImg.exe

Open Dir:

D:\模型训练\darknet-master\build\darknet\x64\data\VOCdevkit\VOC2012\JPEGImages

Change Save Dir:

D:\模型训练\darknet-master\build\darknet\x64\data\VOCdevkit\VOC2012\Annotations

4. 执行xml2txt.py把标注的xml生成训练用txt文件

D:\模型训练\darknet-master\build\darknet\x64\data\VOCdevkit\VOC2012\xml2txt.py

5. 执行voc_label.py生成label文件

修改  voc_label.py classes = ["pwk","ps"]

D:\模型训练\darknet-master\build\darknet\x64\data\voc_label.py

D:\模型训练\darknet-master\build\darknet\x64\data\VOCdevkit\VOC2012\labels

6. 模型训练

darknet detector train data/voc_pwk.data cfg/yolov3_wushui.cfg cfg/yolov3_wushui_last.weights tee logs/train_yolov3_pwk.log

7. 模型预测

darknet detector test data/coco.data cfg/yolov3.cfg cfg/yolov3.weights data/road.jpg -gpus 0,1,2,3