第一步,下载并配置COCO数据集。
a.git clone https://github.com/pdollar/coco
b.在coco文件夹里面新建一个images文件夹
c.将COCO数据集:
http://images.cocodataset.org/zips/train2014.zip
http://images.cocodataset.org/zips/val2014.zip
下载到images文件夹中,然后解压到当前文件夹
d.将COCO Metadata:
https://pjreddie.com/media/files/instances_train-val2014.zip
https://pjreddie.com/media/files/coco/5k.part
https://pjreddie.com/media/files/coco/trainvalno5k.part
https://pjreddie.com/media/files/coco/labels.tgz
下载到coco文件夹
然后将labels.tgz解压到当前文件夹得到labels文件夹
将instances_train-val2014.zip解压到当前文件夹得到annotations文件夹
f.在Windows下安装Linux子系统
g.在Windows下启动Ubuntu,先用命令
cd /mnt/d/darknet/coco/
切换到D盘下的coco文件夹,然后执行命令
paste 5k.txt
paste trainvalno5k.txt
设置图片列表,如下图所示
到此,完成在COCO 数据集上训练YOLOv3的COCO数据集下载与配置。
第二步,修改 coco.data配置文件。
在D:\darknet\cfg文件夹,打开coco.data,根据实际情况,修改配置文件
第三步,修改yolov3.cfg 配置文件。
在D:\darknet\cfg文件夹,打开yolov3.cfg,修改batch 和 subdivisions如下
第四步,训练模型。
在D:\darknet文件夹的地址栏中键入“cmd”,启动Windows命令行终端,运行命令:
darknet.exe detector train cfg\coco.data cfg\yolov3.cfg darknet53.conv.74
完毕!~
参考文件:
1, https://pjreddie.com/darknet/yolo/