本文介绍了如何使用Yolov3在PyTorch中训练自己的数据集，涉及配置网络参数，如修改cfg文件中的yolo层参数以适应目标类别。通过训练40轮左右，达到0.21的mAp@0.5。训练过程中的最佳模型权重会被自动保存。在测试阶段，使用该模型对3000张图片进行预测，耗时216s。
二、配置网络参数
在cfg文件夹下创建创建新的配置文件yolov2-custom.cfg，相比原来的配置文件，要对yolo层的参数进行更改，主要针对图中的filters和classes进行更改，一共有３处yolo层，每一处都需要更改。其中filters=3x(5+classes)，classes为目标的类别25类。
三、训练
直接运行python3 train.py --data data/adas/custom.data --cfg cfg/yolov3-custom.cfg --weights weights/darknet53.conv.74进行训练，我用的是darknet53.conv.74预训练模型，也可以使用其他的预训练模型，效果均有所不同。
在训练了40轮左右，mAp＠0.5为0.21，曲线如图所示
训练过程中会将mAp最高的一轮的模型参数自动保存在weights文件夹下，命名为best.pt.
四、测试
测试集中共有3000张图片 ，运行
最低0.47元/天 解锁文章
1025
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
