Win10下YOLOv3配置、制作数据集与训练检验

最新推荐文章于 2024-06-05 09:51:16 发布
最新推荐文章于 2024-06-05 09:51:16 发布
阅读量1.8k 收藏 14
点赞数 2
文章标签： 机器学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45902911/article/details/118536886
版权

文章目录

前言

近期做目标检测的实验，基于win10系统配置YOLOv3环境，因搭建过程多舛，故作此记录。此次记录一是为了做备份，加强对YOLO框架的了解与使用，在下次配置使用YOLO时能够有条不紊；二是给大家做一点参考，笔记中记录了搭建过程中的各种小插曲。因为本人之前没做过目标检测方面的实验，凭借查资料一步一步走通，花费了很长时间，绕了不少弯路，着实体会到了其对新人的不友好。在这篇手记里，我主要介绍的是配置流程与步骤，其中参考了许多前人的经验，均列出出处，感谢分享。

本文主要以配置使用YOLO检测为目的，文中多有引用前人的笔记与插图，以供大家参阅查看。其多是我已经借鉴过的文章，是可以解决问题的好笔记。如因借鉴冒犯，指出即删。

本文涉及到的所有文件，官方数据等，我会将网址指出。若是在文件或网址后有（见链接），其文件已经上传到微云。本文记录使用YOLOv3做目标检测的整个过程，包括环境配置，数据集制作以及查看训练结果，篇幅较长，对于一些细节可能会有遗忘，欢迎大家提出，我会在后面加以完善。由于课题组成员各个研究方向不一，缺乏交流探讨，搭建过程难免出现疏忽纰漏甚至错误，若大家发现，请指正！

微云链接：https://share.weiyun.com/1UhbIkRh

1、YOLO项目

官网：
https://pjreddie.com/darknet/
YOLO检测darknet安装教程：
https://pjreddie.com/darknet/install/
作者完整项目：
https://github.com/AlexeyAB/darknet

Tip：实践完两次才知道官网的重要性，计划了解更深入一点的话，建议直接原文，起码通篇过一遍，Trust me，磨刀不误砍柴工。

2、电脑配置与环境

主要参考文章：https://blog.csdn.net/KID_yuan/article/details/88380269

Win10
NVIDIA RTX 2060
VisualStudio2017community
OpenCV3.4 version（OpenCV-3.4.2-vc14_vc15.exe）
Cuda10.1 version（Cuda_10.1.105_418.96_win10.exe）
Cudnn-10.1-windows10-x64-v7.5.0.56（Cudnn-10.1-windows10-x64-v7.5.0.56.zip）

Tip：
① NVIDIA RTX 2060貌似不支持Cuda9.1，我尝试安装过Cuda9.1/9.2，均失败。目前显卡更新比较快，使用之前查查你的显卡与计划安装的Cuda版本是否兼容。
② Tensorflow、Cuda 和Cudnn的版本具有对应关系。
③有人说安装顺序很重要，先Cuda，再VS2017。我的安装顺序忘了，应该没有遵守，但是可以用，建议遵守，万一呢。
④ 以上配置支持YOLOv3，但是如果要配置YOLOv4的话，OpenCV version 可以用4.4.0版本（OpenCV-4.4.0-vc14_vc15.exe），4.4.0版本的OpenCV编译步骤是一样的，我已经测试可用，安装包以及YOLOv4权重文件（见链接）。

2.1 安装Cuda

主要参考文章： https://blog.csdn.net/bingo_liu/article/details/103224730

2.1.1 查看本机驱动版本

（1）桌面右击，点击NVIDIA控制面板（首先电脑得有显卡）；

（2）打开面板，选择系统信息；
在这里插入图片描述

（3）选择组件按钮，查看显卡支持的最高版本，这儿并不是你电脑目前所装的Cuda版本，实际安装版本通过命令行nvcc -V查看；
在这里插入图片描述

2.1.2 安装过程

Cuda安装地址：https://developer.nvidia.com/cuda-toolkit-archive

（1）按照相应的版本进行选择下载；
在这里插入图片描述

（2）将下载的Cuda双击安装，这里的安装路径是临时解压路径，安装时会自动删除。
在这里插入图片描述

（3）选择自定义安装，可以选择安装驱动（网图）；
在这里插入图片描述

（4）不要选Visual Studio Integration（网图）；
在这里插入图片描述

（5）记住安装位置，配置环境用。如果不想后期找路径的话，建议默认路径，后期出现问题在网上找答案大多也是基于默认路径给的处理过程（这是我之前装的9.2版本，应该是10.1）；
在这里插入图片描述

（6）安装完成后配置环境，Path需要手动添加如下路径，对应上一步的安装路径（如果是默认安装路径，可以将版本号改了直接复制粘贴）。

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
  • C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64
  • C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\common\lib\x64

在这里插入图片描述
在这里插入图片描述

2.2 安装Cudnn

Cudnn安装地址(需注册)：https://developer.nvidia.com/cudnn

Tip：选择Cudnn的时候，7.1.x后面跟着的是Cuda 版本号。

（1）对于Cudnn直接将其解开压缩包，然后需要将以下bin，include，lib文件复制粘贴到cuda的文件夹下；

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
    在这里插入图片描述

（2）测试Cuda是否安装成功，打开cmd命令窗口，输入：nvcc -V；
在这里插入图片描述

至此，Cuda 和 Cudnn安装成功！

2.3 安装OpenCV

OpenCV网址：https://opencv.org/releases/

Tip：不要使用3.4.1版本，官网说有bug。

在这里插入图片描述

双击解压安装，之后添加环境变量即可。
在这里插入图片描述

2.4 安装VS2017

主要参考：https://blog.csdn.net/qq_38737790/article/details/92797119

VS2017网址：https://docs.microsoft.com/zh-cn/visualstudio/releasenotes/vs2017-relnotes

安装版本（见链接），这个比较简单，上图：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

到此，VS安装完毕！

3、编译

使用VS2017对YOLOv3中的darknet文件进行编译。
主要参考：（https://blog.csdn.net/qq_38737790/article/details/92797119）

编译之前，确保上述准备工作做好：
Win10+Cuda+Cudnn+Visual Studio 2017 Community+OpenCV3.4
编译过程难免遇到Error，可以先浏览一下3.5节中常见的错误，解决方法已经备好。

3.1 下载darknet

darknet网址：https://github.com/AlexeyAB/darknet

下载好之后，先进入darknet-master\darknet-master\build\darknet\x64文件夹下，将OpenCV3.4中的两个dll文件：OpenCV_ffmpeg340_64.dll和OpenCV_world340.dll复制到该文件夹下，不然后面运行会报错找不到dll。
在这里插入图片描述

3.2 darknet.vcxproj文件的修改

用文本编辑器、或记事本打开…\darknet-master\build\darknet下面的darknet.vcxproj。分别在55行和309行的CUDA 10.0=>CUDA 10.1（对应安装的CUDA版本，建议全文搜索CUDA）。

在这里插入图片描述

在这里插入图片描述

3.3 darknet.sln文件的设置与编译

（1）先打开vs2017，然后依次点击文件=>打开=>项目选中darknet.sln打开，打开后，vs会显示如下；
在这里插入图片描述

（2）一定要选择无升级，之后将项目改成Release x64，然后右键项目=>属性；
在这里插入图片描述

（3）选择VC++目录=>包含目录=>编辑添加目录：…\OpenCV\build\inclde（…表示各位OpenCV的安装路径，以下同理）；
在这里插入图片描述

（4）配置库目录，添加：…\OpenCV\build\x64\vc14\lib；
在这里插入图片描述

（5）选择C/C++=>常规=>附加包含目录=>编辑添加目录：…\OpenCV\build\include；
在这里插入图片描述

（6）选择链接器=>输入=>附加依赖项=>添加目录：…\OpenCV\build\x64\vc14\lib下库的名字：OpenCV_world340.lib；
在这里插入图片描述

（7）接着，需要拷贝安装好的CUDA 9.0.props等文件： CUDA 9.0.props等文件就在cuda的安装目录下，本人的路径是：

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\visual_studio_integration\MSBuildExtensions
    在这里插入图片描述

将里面的所有的文件拷贝到

  • C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations

中，这是vs2017安装后的路径。

注意注意，如果你没有该文件夹，不慌，我就遇到了。
主要参考：https://blog.csdn.net/weixin_44868057/article/details/106524786
1）打开cuda10.1的安装包；
2）把cuda临时解压包的路径改了（默认的如下图，现在要改到自己好找的地方）；
在这里插入图片描述

3）解压完成之后，找到上述文件并把文件复制到

-C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations

里面（网图）。
在这里插入图片描述

在这里插入图片描述

（8）最后，还需要确认电脑显卡的算力，我的电脑显卡是NVIDIA RTX 2060（根据自己的显卡），算力是75，修改darknet.vcxproj的compute值。
在这里插入图片描述

（9）完成上述之后，就可以在darknet工程上右键=>生成，就会发现在工程目录下x64下多了darknet.exe等文件啦，到这里就完成了darknet编译了。
在这里插入图片描述

你是小白的话，如果编译一次成功，建议跪下磕个响头，感谢上天待你不薄。

其实，VS的作用就是编译出darknet.exe，如果有别人编译好的darknet.exe直接拷贝来也是可以直接用的（见链接），可以跳过编译这一步。

3.4 测试YOLOv3

下载yolo3.weights，网址：https://pjreddie.com/media/files/yolov3.weights

下载后放在…\darknet-master\build\darknet\x64目录下；
然后进行测试，在当前目录下cmd打开命令窗口（也可以打开cmd，cd到darknet.exe的目录下），然后输入命令：

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

到此，YOLO基本框架搭建完成！

3.5 总结一下常见错误

（1）编译失败，错误 MSB3721 命令。出现该问题就回到3.3节（8）步骤重新设置算力，该错误就是没有设置合适自己显卡的算力，如果改了还是不行，并且掺杂其他的错误命令，可能就是版本不匹配，怕是要重新搭配安装正确的版本。

（2）CUDA Error: out of memory 。电脑内存不够，解决方案见（参考）。

4、基于自己的数据创建YOLO数据集

4.1 labelimg标记数据集

主要参考：https://blog.csdn.net/yuejich/article/details/116653964

这一篇就写的很详细，按照步骤就可以标记数据，感谢分享。
这一步相对来讲比较简单，就简单做个总结。

小记：labelimg有许多版本，有的是.exe格式的，可以直接打开，有的需要cmd命令运行，这两类labelimg标记数据的程序我都用过，比较推荐cmd运行的版本，就是以上博主推荐使用的版本（见链接），其相较于打包成.exe格式的有两点优势：其一，打包成.exe格式的labelimg图片标记工具只能保存xml格式的文件，而cmd命令行运行的具有xml、txt（YOLO使用）、json三种保存格式。其二，虽说做YOLO数据集时，图片标记时可以保存成YOLO的.txt模式，但是xml和txt文件之间可以相互转换，后面有xml转txt文件的详细步骤，所以保存时建议保存成xml格式。推荐使用cmd运行版本的主要原因是，在最初使用exe格式的图片标注工具会出现采集图片长宽数据为零的问题，导致xml转txt时出现问题，所以这里也提醒大家，做数据集时先采取小样本测试一下标记的数据集是否运行顺利，以防跳楼。

还有一个小Tip：因为数据量大，我一开始将数据存储在U盘中，在U盘中进行数据标记的工作，标记的时候就比较卡顿，将数据转到电脑存盘就不会了。

4.2 数据集的搭建

不要浪费时间自己搭建结构，听我的，直接下载原始文件夹，然后将原始数据替换掉，这是搭建YOLO数据的一个重要的环节，搭建错了事倍倍功半半，听话。

4.2.1 下载VOC2007数据集

VOC2007下载地址：https://pjreddie.com/projects/pascal-voc-dataset-mirror/

（1）数据下载好应该是三个文件夹（见链接），如下：

在这里插入图片描述
（2）解压的时候记得一起解压，最终会解压到一个文件夹下VOCdeckit。
在这里插入图片描述

trainval和test数据集是从一个完整数据集划分来的，所以目录结构一样，且不存在冲突的图片命名。所以解压完成后相当于将两个子数据集合并成一个完整的有train，val，trainval，test的大数据集。

（3）将VOCdevkit文件夹放到darknet-master\build\darknet\x64\data\下；
在这里插入图片描述

（4）其数据结构基本如

最低0.47元/天 解锁文章
沙拉米奇
关注
  • 2
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
【目标检测一】YOLOV3从训练、测试到批量保存测试结果
gusui7202的博客
11-06 2万+
本文从假设你已经有一个图像数据集和xml标签数据集了。然后从VOC2007数据集的制作开始说。 数据整理方法---训练方法-----利用训练日志绘制Loss\IOU等曲线的方法------测试方法---------批量测试方法 数据整理方法： （假设你只想要其中某些类，就要用程序剔除不要的标签、然后删除空标签以及对应图像。注意备份） 训练自己的数据 训练带正常...
Win10中用yolov3训练自己的数据集全过程（VS、CUDA、CUDNN、OpenCV配置，训练和测试）...
LCY19750003的博客
08-08 647
在Windows系统的Linux系统中用yolo训练自己的数据集的配置差异很大，今天总结在win10中配置yolo并进行训练和测试的全过程。 提纲： 1.下载适用于Windows的darknet 2.安装VS和CUDA、CUDNN、OpenCV 　　1）安装VS2017 　　2）安装OpenCV 　　3）VS配置OpenCV 　　4）安装CUDA10.0和CUDNN7.5 ...
Win10+Yolov3配置以及样本训练与检测
Melaleuca_Yy的博客
09-06 1349
因为实验需求接触到了Yolov3这个开源的图像识别开源库，这里稍微总结一下。 Yolov3既有速度又有精度，还非常灵活，而且还是完全开源的，简直是工业界良心。当然我这里只是介绍如何配置和使用，想看详细解析可以去参考大佬们的博客，我之前有看过的是（https://blog.csdn.net/leviopku/article/details/82660381）。 一、Yolov3（GPU）配置 请注意，这里的配置只适合安装了NIVDA显卡的计算机。 1. VS2015以及CUDA、cuDnn的安装 这
YOLOv3训练自己的数据集
最新发布
周陽讀書
06-05 258
config文件夹，create_custom_model.sh （参数：类别个数）2.classes.names 改成你任务里有的类别名字（按代码字典顺序）YOLO-v3—>Cx,Cy,W,H 相对位置（取值范围0-1）json_floder_path:labelme 生成标签的文件夹。3.train.txt与alid.txt中写好对应的路径。转换好的输出路径：data\custom\labels。2.标注自己的数据，拿到json文件。二、编辑训练代码所需要的配置文件。四、写好数据和标签的路径。
YOLOv3 快速上手：Windows 10上的训练环境搭建
吾家有猫名探花的博客
12-04 1670
在当今快速发展的人工智能领域，对象检测技术扮演着重要的角色。YOLOv3，作为一种先进的实时对象检测系统，因其高效性和准确性而备受瞩目。本教程旨在提供一个入门指南，帮助初学者和开发者在Windows 10平台上快速上手YOLOv3。我们将基于——一个在GitHub上广受欢迎的YOLOv3实现——来展示如何在Windows 10上搭建完整的训练环境。从创建Python虚拟环境到配置PyCharm，从运行预测代码到解决常见问题，我们将一步步引导完成整个过程，确保即使是没有深度学习背景的入门者也能顺利进行。
Windows10下使用darknet和YOLOV3训练自己的数据集
知来者逆的博客
02-15 6002
win10下训练yolo模型
YOLOv3目标检测实战：训练自己的数据集
05-29
YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测（单目标检测）、梅西目标检测（单目标检测）、足球和梅西同时目标检测（两目标检测）。本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入探究。购课后可加入白勇老师课程学习交流QQ群：957519975除本课程《YOLOv3目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：《YOLOv3目标检测实战：交通标志识别》《YOLOv3目标检测：原理与源码解析》《YOLOv3目标检测：网络模型改进方法》敬请关注并选择学习！
Win10+YOLOv3完整安装过程（自己运行了）
u010451638的博客
10-16 2305
安装GPU的可以参考 https://www.cnblogs.com/codeit/p/13253449.html 最近了解并尝试在Win10安装YOLOv3，参考了十几篇文章，发现每个人都有自己的安装方式，最初尝试用cmake编译，虽然安装完成，坑非常多，经2天努力终于安装成功，分享并记录自己的安装过程，供大家参考。 系统：Win10 显卡：GeForce RTX2070 with Max-Q Design 其它：CUDA10.2，cuDNN7.6.5，VS2019，OpenCV3.4.0（opencv版
超详细教程：YOLO_V3（yolov3）训练自己的数据
热门推荐
qq_21578849的博客
12-12 12万+
前言：最近刚好做一个项目需要做detection，选择的算法是yolo v3，因为它既有速度又有精度，还非常灵活，简直是工业界良心。做项目免不了需要用到自己的数据集，所以的从头一个脚印的来，走通了之后决定写一个帖子，以免需要用的人少走歪路，节约时间。 官网上已经教我们如何跑起来yolo v3，因此大部分时间其实花在制作数据集上。总体来说，分为四个步骤，分别是：标注数据，利用voc制作自己的数据集，...
Windows版YOLOv4-tiny目标检测实战：训练自己的数据集
06-21
包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。 除本课程《Windows版YO
在win10下进行pytorch版本yolov3安装及训练
12-22
1.下载 代码网址：https://github.com/ultralytics/yolov3 权重文件：这个好久之前下载的了网址找不到了 2.代码环境 Readme写的是python3.7，我用的是3.6 其他的根据requirements.txt安装可运行，可以先使用以下代码安装 pip install -U -r requirements.txt 安装列表中包含 numpy opencv-python >= 4.1 torch >= 1.4 matplotlib pycocotools tqdm pillow 你在安装中可能会遇到以下问题 提示torch版本不对 【解决方案】通过官网代码
Windows版YOLOv4目标检测实战：训练自己的数据集
06-20
课程演示环境：Windows10;...包括：安装软件环境、安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。还将介绍改善YOL
WIN10+CUDA10.1环境下Keras-YoloV3训练教程（超简单！）
12-21
总的来说，这篇教程提供了在WIN10+CUDA10.1环境下使用Keras训练YOLOV3模型的详细步骤。遵循这些指导，即使没有深厚的技术背景，你也能成功地配置环境、准备数据集并开始训练。注意，训练深度学习模型通常需要对机器...
YOLO-V3-Tensorflow2.0-Face-Detect-via-Wider-Face:使用 TensorFlow2.0 训练YOLOV3模型 和Wider Face 数据集，进行人脸检测
05-04
TensorFlow2.x-YOLOv3 YOLOv3的最小张量流实现，并支持训练，推断和评估。...下载数据集并制作数据。 $ git clone https://github.com/YunYang1994/yymnist.git $ python yymnist/make_data.py --images_num 1
基于pyqt的YOLOv5目标爬取、标注、训练和多源数据检测一站式界面实现
06-04
训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；其中，爬虫可根据关键词使用多线程+进度条的方式从互联网上下载多种格式图片数据；数据标注调用 labelImg软件进行标注；数据集配置实现数据集的分配、...
yolov3 训练及数据集准备【记录】
liuyubo23的博客
12-10 3819
------------------------------ 本文仅供学习交流，如有错误，望交流指教 ------------------------------ yolov3 训练及数据集准备【记录】 一、数据集的准备 0x00.文件目录结构 VOCdevkit ——VOC2018这个年号可以自行替换，但是注意同时修改脚本上的年号，否则找不到目录 ————Annotations 存放所有的mxl...
yolov3神经网络训练(采集图片 制作数据集 分析训练结果)
mxdsdo09的博客
05-26 4016
本文主要是记录yolov3的一个完整的训练分析流程,以后忘了的时候自己看一看就能想起来了,附上所有代码(主要是提醒自己一些细节,不保证代码在别处也直接可以使用),可能适合有一定基础的人 一 采集图片 使用机器人平台上的工业相机,在ros上保存相机数据为rosbag形式,在将rosbag中相片导出来,方法为写一个roslaunch文件 <launch> <node ...
使用Yolov3训练自己制作数据集，快速上手（详细图文教程）
qq_40280673的博客
06-07 5459
在目标检测和分类这方面，Yolo可以快速很好的解决许多问题，这里总结了快速上手Yolov3的方法，直接快速训练自己的数据集使用。
win10下 yolov8
09-15
在Windows 10环境下，您可以参考我在CSDN上的一篇文章《Win10环境下yolov8快速配置与测试》来安装YOLOv8。文章中提供了一些步骤和方法，可以帮助您完成YOLOv8的安装和配置。 首先，您需要获取YOLOv8的onnx文件。您...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值