本文详细介绍了如何在自定义数据集上利用YOLOv3进行目标检测训练，包括构建cfg文件、准备data文件、训练数据的准备、预训练权重的使用、批处理脚本的构建、训练过程以及cfg参数的解析。通过训练，最终完成YOLOv3在不同尺寸图片上的目标检测训练。
01
构建YOLOv3网络的cfg文件
该文件表示的是你的检测网络的结构，类似caffe的prototxt文件。
[YOLOv3的cfg文件](https://github.com/qiu931110/darknet/blob/master/cfg/yolov3.cfg
[无上采样YOLOv3的cfg文件]
https://github.com/qiu931110/darknet/blob/master/cfg/yolov3_change.cfg
02
准备hs.data文件
如下文件中规定了当前目标检测网络中的类别数量为4。训练数据的路径train.txt的位置，hs.names的路径的位置，以及最终训练得到的网络模型保存的位置。
train.txt文件
train.txt文件中的内容如下图所示，保存的是训练数据集图片的保存路径。
hs.names文件
hs.names中的内容如下图所示，保存的是当前检测网络
最低0.47元/天 解锁文章
扫一扫
1148
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
