keras+yolo3 +python +(win) 训练自己的数据集

最新推荐文章于 2024-08-15 07:00:00 发布

小飞侠andand

最新推荐文章于 2024-08-15 07:00:00 发布

阅读量5.3k

点赞数 4

分类专栏：深度学习

本文链接：https://blog.csdn.net/weixin_43717579/article/details/85108925

版权

本文介绍了如何在Windows环境下，利用PyCharm、Keras和YOLOv3训练自己的目标检测数据集。详细步骤包括下载代码和权重、转换配置文件、创建数据集目录结构、生成训练所需文件、修改配置参数以及训练模型。注意要创建logs目录以保存训练模型，同时提供了是否加载预训练权重的训练选项。

摘要由CSDN通过智能技术生成

环境：windows
Pycharm
keras(在之前安装的tensorflow-gpu环境中pip install 用的是清华镜像，比较快)

1、下载yolov3代码： ### 在你的文件夹或磁盘中路径下

        git clone https://github.com/qqwweee/keras-yolo3

2、下载权重：

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

并将权重放在keras-yolo3的文件夹下。如下图所示：
在这里插入图片描述

3、执行如下命令将darknet下的yolov3配置文件转换成keras适用的h5文件。

  python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

4、运行预测图像程序

python yolo-video.py --image

会提示输入测试filename路径

训练自己的数据集

1、在工程下新建一个文件夹VOCdevkit，目录结构为VOCdevkit/VOC2007/,在下面就是新建几个默认名字的文件夹 Annotation，ImageSet（该目录还有三个文件需要建立），JPEGImages(把你所有的图片都复制到该目录里面，如下图），SegmentationClass，SegmentationObject。
在这里插入图片描述

2、生成Annotation下的文件，安装工具labelImg。
3、生成ImageSet/Main/4个文件。在VOC2007下新建一个python文件，复制如下代码 test.py

import os
import random

trainval_percent = 0.4
train_percent = 0.6
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.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
 name = total_xml[i][:-4] + '\n'
 if i in trainval:
     ftrainval.write(name)
     if i in train:
         ftest.write(name)
     else:
         fval.write(name)
 else:
     ftrain.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close