用YOLOv3-tiny对TT100K进行训练
第一次跑代码,过程艰辛,值得记录
数据集的处理
YOLO对于数据集标签的格式有特定的要求(如下图),
因此原本的标签文件不能直接使用,首先要进行处理。
对数据集中原本的“annotation.json”文件(打开如下)进行处理。
GitHub上有现成的处理代码halftop/TT100K_YOLO_Label
TT100K_YOLO_Label代码如何使用?
先后使用这两个文件,第一个把json文件转成xml文件,第二个把xml文件转成TXT文件。
第一个代码没有别的需要修改,只是要注意文件路径。
运行结果如下(train和test都有)
第二个文件也要注意路径,他是把xml改成TXT(这里用了2次,train和test各一次)
底下还用了切片操作,属实为难了我这个python小白···
其中有一个字典部分,可以根据需要自己修改标签的分类(我设置的45类)
运行结果如下(train和test都有)
如此,标签就准备好了。
修改数据集的配置文件
下载的ultralytics/yolov3代码包中有以下文件,yaml就是需要的配置文件。只不过没有我们需要的,所以要自己建一个出来。不过还好,照着另外几个简单改一下就好,还是要注意路径,因为没有验证集,所以用的是和训练集一样的路径(我也不知道为啥,是不是可以删掉呢?)
在train.py里修改yaml文件
然后因为交通标志做翻转旋转类的数据增强会导致致命错误。所以需要在配置数据增强的部分把这两种关掉
开始训练
运行train.py时要喂入参数,不能直接跑···
如果没有预训练的话上述代码是不行的,要用下面这个(随机初始化权重)
训练意外中断怎么办?
2.其实可以不用在文件中改参数,可以在训练的那句代码后面加一个
--resume