用yolov3训练自己的数据集

1、收集图片

我是通过将视频每64帧保存一次收集的图片，图片格式为*.jpg

2、打标

使用labelImg进行数据标注，使用方法见lableImg使用详解

3、生成训练数据

修改darknet/script下voc_label.py文件中的类别，以及目录名称。

执行pyhon voc_label.py,会生成训练集和测试集的txt，为了代码改动少，我是参考VOC的目录进行文件存放

其中JPEGImages存放收集的图片，Annotations存放用labelImg打标的结果xml格式，ImageSets目录下存放训练集和测试集对应的图片的文件名（不包含后缀和路径），labels是voc_label.py将xml转为（C,H，W,H,W）格式的label

编辑data/obj.data

我只做人的识别

classes= 1
train  = /home/xuerui/machine_learning/darknet/scripts/2018_train.txt
names = data/obj.names
backup = backup/

修改yolov3-voc.cfg

将classes修改为1，将filters修改为18（有三处需要修改）

4、训练模型（为了节省时间，使用预训练的权重）

./darknet detector train data/obj.data yolov3-voc.cfg darknet53.conv.74

4、使用训练的模型进行预测

生成的权重会保存在backup目录中

./darknet detect yolov3-voc.cfg backup/yolov3-voc_500.weights  img/20180917102008_064.jpg -out marking_TCDS/20180917102008_064_5_20 -thresh 0.05