YOLOv3-药草识别实现

一、标注工具（labelimg）

使用工具lableimg

1.操作步骤

使用cmd进入下载目录之后，使用python lableimg进入标注工具，open选择文件之后，选择Create\nRectBox进行选择区域，并且标注药草名，如下：

2、保存后的效果图

3.xml文件内容

二、下载编译darknet

1.拉取darknet

git clone https://github.com/pjreddie/darknet
cd darknet

2.修改配置文件Makefile（如何使用gpu可参考）

GPU=1 #如果使用GPU设置为1，CPU设置为0
CUDNN=1  #如果使用CUDNN设置为1，否则为0
OPENCV=0 #如果调用摄像头，还需要设置OPENCV为1，否则为0
OPENMP=0  #如果使用OPENMP设置为1，否则为0
DEBUG=0  #如果使用DEBUG设置为1，否则为0

3.开始编译

make

4.下载yolov3预训练模型

wget https://pjreddie.com/media/files/yolov3.weights

5.测试

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

或者

./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg

官网链接

三、准备数据集、训练、测试

1.在darknet目录下创建myData文件夹，目录结构如下，将之前标注好的图片和xml文件放到对应目录下

myData
  ...JPEGImages#存放图像
 
  ...Annotations#存放图像对应的xml文件
 
  ...ImageSets/Main # 存放训练/验证图像的名字（格式如 000001.jpg或者000001），里面包括train.txt。这里给出的格式是: 000000，因为下面的代码中给出了图像的格式。

2.将数据转换成darknet支持的格式

yolov3提供了将VOC数据集转为YOLO训练所需要的格式的代码，在scripts/voc_label.py文件中。在darknet文件夹下新建一个my_lables.py。

3.运行该脚本

python my_lables.py

会在./myData目录下生成一个labels文件夹一个txt文件(myData_train.txt)(内容是: 类别的编码和目标的相对位置)。

lables文件中的‘txt文件的含义为：

同理如果要生成训练数据 sets=[(‘myData’, ‘train’)] 改为sets=[(‘myData’, ‘train’), (‘myData’, ‘test’)]

具体的每一个值的计算方式是这样的：假设一个标注的boundingbox的左下角和右上角坐标分别为（x1,y1）(x2,y2)，图像的宽和高分别为w,h

归一化的中心点x坐标计算公式：（(x2+x1) / 2.0）/ w

归一化的中心点y坐标计算公式：（(y2+y1) / 2.0）/ h

归一化的目标框宽度的计算公式： (x2-x1) / w

归一化的目标框高度计算公式：（(y2-y1)/ h

4.修改darknet/cfg下的voc.data和yolov3-voc.cfg文件

为了保险起见，复制这两个文件，并分别重命名为my_data.data和my_yolov3.cfg

my_data.data内容：

classes= 3 ##改为自己的分类个数
##下面都改为自己的路径
train  = /home/XXX/darknet/myData/myData_train.txt  
names = /home/XXX/darknet/myData/myData.names #稍后需要创建这个文件
backup = /home/XXX/darknet/myData/weights

5.可以指定训练批次和训练轮数

6.在myData文件夹下新建myData.names文件

曼陀罗 鬼针草 天香菜

7.下载预训练权重

wget https://pjreddie.com/media/files/darknet53.conv.74

8.开始训练

./darknet detector train cfg/my_data.data cfg/my_yolov3.cfg darknet53.conv.74

或者指定gpu训练，默认使用gpu0

./darknet detector train cfg/my_data.data cfg/my_yolov3.cfg darknet53.conv.74 -gups 0,1,2,3

查看gpu信息

从停止处重新训练

./darknet detector train cfg/my_data.data cfg/my_yolov3.cfg darknet53.conv.74 -gups 0,1,2,3 myData/weights/my_yolov3.backup -gpus 0,1,2,3

9.测试

./darknet detect cfg/my_yolov3.cfg weights/my_yolov3.weights 1.jpg