iou画 yolov3_利用YOLOV3训练自己的数据

写在前面：YOLOV3只有修改了源码才需要重新make，而且make之前要先make clean。

一.准备数据

在/darknet/VOCdevkit1下建立文件夹VOC2007.

voc2007文件夹下建立三个文件夹，分别为Annotations,ImageSets和JPEGImages，其中JPEGImages存放所有.jpg格式的训练图片，Annotations存放所有图片的xml文件

图片最好按数字顺序排列，如00001.jpg,00002.jpg等，可以用脚本生成。

ImageSets文件夹下存放三个子文件夹，Main中存放train.txt，即用于训练的图片名字

二.生成xml文件

xml文件采用labelimg标注

cd labelImg

python labelImg.py

先进入labelImg所在路径，然后用python打开.py文件，即可打开标注工具。

三、生成txt文件

因为YOLOV3训练时需要用的是txt文件，因此需要将xml生成对应的txt，可采用voc_label.py脚本。

在利用voc_label.py脚本生成txt文件之前，还需要先生成一个train.txt文件，该文件位于ImageSets文件夹下的Main文件夹中，主要存图片名称(不包含后缀)

可采用以下脚本生成

# -*- coding:utf-8 -*-

import sys

import os

import random

data_dir='/home/wmy/darknet/VOCdevkit1/VOC2007/JPEGImages'

file_list=[]

write_file_name='/home/wmy/darknet/VOCdevkit1/VOC2007/ImageSets/Main/train.txt'

write_file=open(write_file_name,'w')

for file in os.listdir(data_dir):

if file.endswith(".jpg"):

write_name=file.split('.')[0]

file_list.append(write_name)

sorted(file_list)

number_of_lines=len(file_list)

for current_line in range(number_of_lines):

write_file.write(file_list[current_line]+'\n')

write_file.close()

运行该脚本将生成存放图片名称的txt文件。

将该脚本放在与VOCdevkit1同等目录下，稍作修改。

import xml.etree.ElementTree as ET

import pickle

import os

from os import listdir, getcwd

from os.path import join

sets=[(', 'train')] #根据数据修