Linux系统下yolov3自动计数,如何训练你自己的yolov3标注数据

这里我使用的是猫狗图片集

1 安装vott

https://github.com/Microsoft/VoTT/releases

2 创建vott项目

3 导出格式设置为 csv

4 打开自动检测，这样可以省下不少手动标注工作

这里只是一个演示，如果是自己的项目，这里还是需要手动做标注的

5 克隆

git clone https://github.com/AntonMu/TrainYourOwnYOLO.git

然后别忘了安装一下依赖包 pip install -r requirements.txt

6 拷贝到处的 图片文件夹到

TrainYourOwnYOLO/Data/Source_Images/Training_Images

这里需要拷贝的是 vott-csv-export ，这个文件夹的根路径下应该包含

dogcat-export.csv 和 若干 jpeg 图片

7 对图片进行处理

把vott生成的 vott-csv-export 文件夹拷贝到 Training_Images 下，然后调用

python Convert_to_YOLO_format.py

会得到 Data/Model_Weights/data_classes.txt文件

8 下载默认权重

cd 到 TrainYourOwnYOLO/2_Training

python Download_and_Convert_YOLO_weights.py

脚本启动之后会在/2_Training/src/keras_yolo3路径下下载 yolov3.weights

下载完成之后会拷贝成 yolo.h5

9 然后就可以使用 文件夹2 中的

python Train_YOLO.py

来进行训练了

( 这里由于我之前的文件路径带了 - 减号，会发生找不到文件 )

把 减号 去掉之后，重新依次调用

python Convert_to_YOLO_format.py

python Download_and_Convert_YOLO_weights.py ( 其实不用 )

python Train_YOLO.py

最终会生成一个 trained_weights_final.h5

然后就可以使用

python Detector.py

进行预测了

一共2000张图片，使用

RTX6000 24GB 显存的话，100秒每 epoch

CPU 就慢多了， 540秒每 epoch

要使用 gpu的话

conda install cudatoolkit=10.1

conda install cudnn  ( 当前是 默认 7.6 )