yolov3模型识别不出训练图片_荐keras-yolov3目标检测训练自己的模型详解——适合新手...

times：2020/3/23

操作系统：win10

环境：python 3.6

因为我之前把所有内容写在一篇文章里非常的乱，所以本文主线是训练自己的 yolo.h5 去识别图像中的人，所有小细节的操作，我都在文中添加了链接，新手的话需要注意看一下。

// 有任何的问题都可以直接评论，还有资料的话直接留言邮箱，说明问题//

//也可以评论下加下微信询问//

大家一起加油学习yolo，之后我会再出一篇详细介绍yolo代码的文章

如果你是 yolo 小白，或者环境配置等一直报错，请先参阅上一篇博文：keras-yolov3目标检测详解——适合新手 (环境配置、用官方权重识别自己的图片)

本文目的：

前面有篇文章说的是利用官方的权重直接识别自己的图片，我也展示了识别的效果。

今天我介绍一下如何创建自己的数据集去训练属于自己的 model

前提准备：

1、配置好环境的 python、anaconda 或 pycharm

2、labelimg 软件：下载方法： labelimg的下载与使用

3、准备一些图片，创建训练需要的 VOC 文件

(1) 官方的VOC2007下载链接：voc2007下载链接，可以从这里找需要的图片，或者一些有基础的朋友可以写爬虫去爬一些图片

(2) voc2007百度网盘下载链接：

链接：https://pan.baidu.com/s/18wqRTZDSz5NQEtvq0u0a1g

提取码：hexy

(3) 可以自己准备图片，不过最好准备多一点

.

.

正式训练步骤：

一、准备自己的voc2007数据集

先用 pycharm 或 spyder 打开 keras-yolo3 文件夹，用 pycharm 或 spyder 是为了看文件夹更方便，直接在 anaconda 里运行也是可以的

1、打开文件夹

完成后打开的文件夹应该是这样的：

2、新建voc2007数据集(存放自己的图片及标注信息)

新建的文件夹：如下

ImageSets 文件夹下还有个名为 Main 的小文件夹

VOCdevkit{

VOC2007{Annotations

ImageSets{main}

JPEGImages}

}

虽然表达的很丑，但是上面有图，应该还是可以看明白的

注意：文件夹的名称必须和上面展示的一样，这是 yolo 默认的

不然还需要改代码才行

3、用labelimg软件对自己的图片进行信息标注

想要训练自己的模型就要学会 labelimg 的使用，实在不想学的…就评论一下邮箱，我直接把我标注好的 VOC2007 文件夹打包发给你们吧

(1)需要训练的图片放在 JPEGImages 里面：

(2)labelimg 标注的 xlm 文件放在 Annotations 里面：

4、在 VOC2007 里新建一个 py 文件

我这里取名 voc.py

voc.py 的代码：

import os

import random

trainval_percent = 0.2 #测试集占0.2

train_percent = 0.8 #训练集占0.8

xmlfilepath = 'Annotations'

txtsavepath = 'ImageSets\Main'

total_xml = os.listdir(xmlfilepath)

num = len(total_xml)

list = range(num)

tv = int(num * trainval_percent)

tr = int(tv * train_percent)

trainval = random.sample(list, tv)

train = random.sample(trainval, tr)

ftrainval = open('ImageSets/Main/trainval.txt', 'w')

ftest = open('ImageSets/Main/test.txt', 'w')

ftrain = open('ImageSets/Main/train.t