python调用yolov3模型,pytorch版yolov3训练自己的数据（数据，代码，预训练模型下载链接）...

1.数据预处理

准备图片数据(JPEGImages)，标注文件(Annotations)，以及划分好测试集训练集的索引号(ImageSets)

修改代码中voc_label.py文件中的路径以及类别，生成test_sample_train.txt  和test_sample_test.txt文件(训练，测试读此文件来找到图片路径)，以及labels文件夹为数据的voc标注文件转换为txt文件(内容为每个图片中物体类别，以及框的归一化位置)

2.训练

准备cfg(修改yolo层的类别classes(类别个数)和对应的filters((classes+5)× 3)如下图，data(训练测试的路径改为数据预处理生成的文件路径)，names(类别名称)三个文件

然后在train.py中修改

--epochs    所有数据共迭代多少次

--cfg   刚才的cfg文件路径

--data    data文件路径

--weights    预训练模型(我会和数据一起打包发你)

命令行执行的话，也可以不修改代码中的这些位置直接输入下面命令效果一样

python train.py  --epochs 100  --cfg cfg/yolov3_drink.cfg   --data drink.data  --weights weights/yolov3.weights

3.测试(test.py)

和训练差不多，修改  --cfg   --data  --weights(要测试的模型)然后run test.py

或命令行输入 python test.py  --cfg cfg/yolov3_drink.data  --data data/drink.data  --weights weights/best.pt

运行结束会计算每个类别的map等，以及总体的精度结果

4.批量推理图片(detect.py)

--source 被推理的图片路径， --output 推理过后图片存放路径

代码，预训练模型(darknet53，yolov3两个)，数据(100张voc格式标好的数据)下载链接https://download.csdn.net/download/weixin_44562081/11939321