从0-1：利用基于Pytorch的YOLO_V3训练自己的数据集

最新推荐文章于 2021-03-23 23:42:55 发布

TimxYo

最新推荐文章于 2021-03-23 23:42:55 发布

阅读量620

点赞数

分类专栏： Pytorch学习文章标签：深度学习 python 人工智能

本文链接：https://blog.csdn.net/weixin_44318872/article/details/104660836

版权

1、引言

笔者日前在进行目标检测的项目，需要使用YOLO_V3算法，奈何网上目现的教程存在各种各样的坑，无法完美进行复现。本文旨在帮助读者完美实现yolov3进行目标检测，本次实验在Ubuntu 18.04系统环境下，使用的Python版本为3.6.9（Python>=3.6），使用pytorch实现，yolov3检测算法基于eriklindernoren开源的代码。
注：文中所有的代码均整理在：https://github.com/fangcaojun/YOLO_V3-中。

2、制作VOC数据集

2.1、使用LabelImg软件标注图片

下载前文中整理好的代码并解压，将需要标注的图片放入data/VOCdevkit2007/JPEGImages/目录下，之后打开终端Terminal进入解压后的目录并在终端输入以下命令：

#进入LabelImg文件夹
cd YOLO_V3--master/data/labelImg-master/
#安装依赖环境 
sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3

#安装好LabelImg后，在终端下运行软件
python3 labelImg.py

打开后的LabelImg软件界面如下图所示：
在这里插入图片描述
图1 LabelImg软件界面

点击Open Dir打开要标注的图片文件夹（YOLO_V3–master/data/VOCdevkit2007/JPEGImages），选择Change Save Dir更改保存生成的xml文件位置（YOLO_V3–master/data/VOCdevkit2007/Annatations）。改好后开始标注图片，按住Ctrl+W选择标注区域进行标注并打上标签，标注好后按Ctrl+S保存，之后再进行下一张图片标注。

2.1、使用xml文件生成VOC数据集

标注完成后我们开始着手制作VOC数据集，转换代码如下所示：

import os
import random
import pickle
from os.path import join
from os import listdir, getcwd
import xml.etree.ElementTree as ET

#测试集test占总数据集比例=（1-trainval_percent）,这里是0.2，可根据需要更改trainval_percent的值
trainval_percent = 0.8
#训练集train占trainval（包含训练集train和验证集val）中的比例
train_percent = 0.7

#xml文件的路径
xmlfilepath = 'VOCdevkit2007/Annotations/'
#转换生成的txt文件保存目录
txtsavepath = 'VOCdevkit2007/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)

#生成的数据集保存位置
ftrainval = open('VOCdevkit2007/ImageSets/trainval.txt',