win10+yolov3+python训练自己的模型

环境调试心得：我的是tensorflow2.2.0+cpu+python
在调试时可能会遇到很多报错，不过几乎都跟tensorflow版本有关，几乎都可以通过tf.compat.v1.来转换版本解决。

trainyolo.py是调好的可训练；train.py是yolo3训练源码，两者代码一样，只是把报错的代码加了compat.v1.
1.用pycharm打开工程时应直接打开最终工程文件夹，不能直接打开初始父文件夹
2.大概有五六处报错，几乎都是tensorflow版本或者keras版本问题
都通过修改tf.compat.v1.改通过
如把：
sess = tf.keras.backend.get_session()
改为如下即可：
sess=tf.compat.v1.keras.backend.get_session()

原文链接：https://blog.csdn.net/qq_45504119/article/details/105052478

如果你是 yolo 小白，或者环境配置等一直报错，请先参阅上一篇博文：keras-yolov3目标检测详解——适合新手 (环境配置、用官方权重识别自己的图片)

本文目的：
前面有篇文章说的是利用官方的权重直接识别自己的图片，我也展示了识别的效果。

今天我介绍一下如何创建自己的数据集去训练属于自己的 model

前提准备：
1、配置好环境的 python、anaconda 或 pycharm

2、labelimg 软件：下载方法： labelimg的下载与使用

3、准备一些图片，创建训练需要的 VOC 文件

（1） 官方的VOC2007下载链接：voc2007下载链接，可以从这里找需要的图片，或者一些有基础的朋友可以写爬虫去爬一些图片

（2） voc2007百度网盘下载链接：

链接：https://pan.baidu.com/s/18wqRTZDSz5NQEtvq0u0a1g
提取码：hexy
（3） 可以自己准备图片，不过最好准备多一点
.
.

正式训练步骤：
一、准备自己的voc2007数据集

先用 pycharm 或 spyder 打开 keras-yolo3 文件夹，用 pycharm 或 spyder 是为了看文件夹更方便，直接在 anaconda 里运行也是可以的

1、打开文件夹

先按照这篇文章的步骤操作：keras-yolov3目标检测详解——适合新手

完成后打开的文件夹应该是这样的：
如果你是 yolo 小白，或者环境配置等一直报错，请先参阅上一篇博文：keras-yolov3目标检测详解——适合新手 (环境配置、用官方权重识别自己的图片)

本文目的：
前面有篇文章说的是利用官方的权重直接识别自己的图片，我也展示了识别的效果。

今天我介绍一下如何创建自己的数据集去训练属于自己的 model

前提准备：
1、配置好环境的 python、anaconda 或 pycharm

2、labelimg 软件：下载方法： labelimg的下载与使用

3、准备一些图片，创建训练需要的 VOC 文件

（1） 官方的VOC2007下载链接：voc2007下载链接，可以从这里找需要的图片，或者一些有基础的朋友可以写爬虫去爬一些图片

（2） voc2007百度网盘下载链接：

链接：https://pan.baidu.com/s/18wqRTZDSz5NQEtvq0u0a1g
提取码：hexy
（3） 可以自己准备图片，不过最好准备多一点
.

2、新建voc2007数据集（存放自己的图片及标注信息）

新建的文件夹：如下

ImageSets 文件夹下还有个名为 Main 的小文件夹

VOCdevkit{
VOC2007{ Annotations
ImageSets{main}
JPEGImages }
}
虽然表达的很丑，但是上面有图，应该还是可以看明白的
注意：文件夹的名称必须和上面展示的一样，这是 yolo 默认的
不然还需要改代码才行

3、用labelimg软件对自己的图片进行信息标注

----labelimg 的使用方法：labelimg 下载和标注 xlm 文件

想要训练自己的模型就要学会 labelimg 的使用，实在不想学的…就评论一下邮箱，我直接把我标注好的 VOC2007 文件夹打包发给你们吧

（1）需要训练的图片放在 JPEGImages 里面：