目录
1.数据准备
2.将视频切成图片
3.标注工具标图输出xml文件
4.转换文件格式
1)去除未标注的图片
2)xml文件格式转换
3)图片和txt文件汇总成训练文件
4)在darknet/scripts目录下创建以下目录
5.修改配置文件并训练
1)修改data/voc.names
2)修改cgf/voc.data
3)修改cfg/yolov3-voc.cfg
4)yolo模型训练
1.数据准备
用手机录制视频数据或者直接使用收集的带有需检测目标的图片数据集
2.将视频切成图片
若使用手机录制的视频数据,将视频切成图片,下面是切图的脚本,把存放视频的路径及图片存放的路径写入即可:
import cv2
vc = cv2.VideoCapture("./video.mp4")
if vc.isOpened():
rval, frame = vc.read()
else:
rval = False
cnt = 1
f_rate = 0.5
t = round(24*f_rate)
while rval:
cnt += 1
rval, frame = vc.read()
if cnt % t != 0:
continue
if cnt % 100 == 0:
print("processing [%d] -->" % cnt)
cv2.imwrite("./Image/"+str(cnt)+".jpg", frame)
将切好的图片放在Image文件夹中
3.标注工具标图输出xml文件
使用LabelImg作为标图工具,下载路径:https://github.com/tzutalin/labelImg,Ubuntu下LabelImg环境安装根据python版本不一样如下:
根据主页提示安装好相关依赖,若报错,可自行检查并安装依赖,在终端运行:
python3 labelImg.py
打开窗口如下:
点击“打开目录”,图片存放的目录:
点击“改变存放目录”,存放标注图片生成的xml文件目录:
点击“创建区块”,标注图片,添加label:
标注完进行保存,每张图片依次进行标注保存即可
如果需要修改,可以在图片的选区位置,点击右键,可以看到创建区块、编辑标签、复制区块、删除选择的区块
注:可在标注前进行标签添加,添加位置如下,在标注时添加也可:
4.转换文件格式
1)去除未标注的图片