yolov3 + win10 训练自己的数据

硬件设备

i7-11800H +RTX3060

准备数据

数据标注

• 在网上下载自己需要的数据集，或者自己通过摄像头获取自己需要训练的数据；
• 通过标注工具labelImage进行标注，windows版下载链接：链接：https://pan.baidu.com/s/10jby2x-fL-iWDiJbCg55iw
  提取码：quo6
• 打开labelImage，选择如下红框标注的按钮，用该模式标注出的文件满足yolo要求的训练数据格式，不用进行转换了，按w开始进行标注
  
• 标注完成后选择一个文件夹进行保存即可；

数据保存形式

• 

• 新建VOC2018，在此文件夹中添加以上图中四个文件夹

VOCdevkit
----VOC2018    # 文件夹中年份可以自己取
------Annotations  # 存放所有.xml文件，如果用labelimage中yolo模式进行标注则该文件夹没有用
------ImageSets
--------Main     #存放train.txt和test.txt;train.txt中存放所有训练图片的路径，test.txt中存放所有测试图片的路径
------JPEGImage  #存放所有的图片
------labels   # 存放所有标注得到的.txt文件

• .data文件的说明
  以我自己的data文件为例说明：
  classes:表示想要识别的种类数量；
  train: 表示train.txt的路径；
  test: 表示test.txt的路径；
  name: 表示LR.name的路径；
  backup:表示训练完成模型保存的路径；
• .name文件的说明
  里面的内容为想要识别物体的名称；

训练前darknet中文件的更改

makefile文件的修改

GPU=0
CUDNN=0
CUDNN_HALF=0
OPENCV=0
AVX=0
OPENMP=0
LIBSO=0
ZED_CAMERA=0

根据自己电脑硬件情况进行修改，如果有GPU则修改为GPU=1，其余同理；
.cfg文件的修改

• 新建名为yolov3_LR.cfg的文件为自己训练时用的.cfg文件， 复制yolov3.cfg的内容到yolov3_LR.cfg

[convolutional]
size=1
stride=1
pad=1
filters=21        #---------------修改为3*（classes+5）即3*（2+5）=21
activation=linear
[yolo]
mask = 6,7,8anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=2        #---------------修改为标签类别个数，2类

操作方式：打开该文件ctrl+F 进行搜索关键字classes改为自己的类的个数，对应的classes上方有一个filter 改成自己的，计算方式为3*（classes+5）；一共有三处需要更改的地方；classes有三处，filter 有三处；

训练数据

• 在win10下通过cmd进入终端，cd到D:\darknet1\darknet-master\darknet-master\build\darknet\x64 根据自己路径而定；
• 并下载darknrt53.conv.74到x64/scripts/路径下
• voc.data和yolov3-voc.cfg在当前路径的cfg文件夹下

darknet detector train cfg/voc.data cfg/yolov3-voc.cfg scripts/darknet53.conv.74 
 //以上文件根据自己的路径而定

测试训练模型

训练完成后的权重文件保存在bachup文件夹中

darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_600.weights data/210.jpg
//根据自己文件路径而写