深度学习目标检测之YOLOv3实战（二）训练自己的图像数据

二零二零年的大年初一，给大家拜个年，祝大家鼠年吉祥，万事如意，趁着喜气，把Yolov3训练自己的数据过程，记录一下，共勉共进。

同样，无人机搭载山狗拍摄的视频，目标检测的种类是模型tank和airplane，部分效果图镇贴：

数据集准备

首先需要将自己的数据集准备好，不同场景下的目标数据尽可能的收集，以提高最终训练结果的准确度。我这边是使用相机对检测目标进行录像，然后每隔几十帧后截取图片保存。效果如图：

收集完足够图片后，通过开源的标签工具labelImg对目标进行标注，并保存xml文件，为下一步做准备。

数据集预处理

在项目下找到文件夹VOCdevkit\VOC2007，其中会包含文件夹：Annotations（用于存放xml标签数据）、Imagesets（用于存放tet文本数据）、JPEGImages（用于存放原始图片数据），接下来将目标图片集复制进JPEGImages，将标注好的xml文件复制进Annotations，运行test.py，会在Imagesets下生成test文本，看通过修改数值对训练、验证集的数量进行修改，如下图：

原demo修改

① 打开voc_annotati