darknet 官网:https://pjreddie.com/
1、使用matlab2017的 trainingImageLabeler命令对图像进行标记,并产生table数据类型;
2、将table中数据转化为指定的xml文件(img_to_xml_table.m);
3、将Annotations中的数据生成trainval.txt、train.txt、val.txt、test.txt文件(generate_label.m);
4、在darknet/scripts/下新建VOCdeckit文件夹,接着在VOCdeckit文件夹下新建VOC2007子文件夹。然后在VOC2007下新建Annotations、ImageSets、JPEGImages文件夹;
5、将xml文件放入Annotations文件夹下,在图片放入JPEGImages文件夹下,在ImageSets下新建Main文件,将trainval.txt、train.txt、val.txt、test.txt放入其中;
6、编辑voc_label.py,将sets修改为[('2007', 'train'), ('2007', 'val'), ('2007', 'test')],将classes修改为类别种类信息。另外,将os.system()中的2012_train.txt 2012_val.txt删除,并运行python voc_label.py命令;
7、编辑darknet/cfg/voc.data,将classes修改为类别数目,train和valid分别为2007_train.txt和2007_val.txt的路径;
8、编辑darknet/data/voc.names,填入类别的名称;
9、编辑darknet/data/yolov3-voc.cfg,修改类别信息;
10、运行./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74命令,即可训练自己的数据集。
1、使用matlab2017的 trainingImageLabeler命令对图像进行标记,并产生table数据类型;
2、将table中数据转化为指定的xml文件(img_to_xml_table.m);
3、将Annotations中的数据生成trainval.txt、train.txt、val.txt、test.txt文件(generate_label.m);
4、在darknet/scripts/下新建VOCdeckit文件夹,接着在VOCdeckit文件夹下新建VOC2007子文件夹。然后在VOC2007下新建Annotations、ImageSets、JPEGImages文件夹;
5、将xml文件放入Annotations文件夹下,在图片放入JPEGImages文件夹下,在ImageSets下新建Main文件,将trainval.txt、train.txt、val.txt、test.txt放入其中;
6、编辑voc_label.py,将sets修改为[('2007', 'train'), ('2007', 'val'), ('2007', 'test')],将classes修改为类别种类信息。另外,将os.system()中的2012_train.txt 2012_val.txt删除,并运行python voc_label.py命令;
7、编辑darknet/cfg/voc.data,将classes修改为类别数目,train和valid分别为2007_train.txt和2007_val.txt的路径;
8、编辑darknet/data/voc.names,填入类别的名称;
9、编辑darknet/data/yolov3-voc.cfg,修改类别信息;
10、运行./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74命令,即可训练自己的数据集。