yolov3训练自己的数据集实践记录

最新推荐文章于 2024-07-29 16:10:44 发布

yuyu_ing

最新推荐文章于 2024-07-29 16:10:44 发布

阅读量1.1k

点赞数 1

文章标签： yolov3 数据集权重

本文链接：https://blog.csdn.net/yuyu_ing/article/details/99670939

版权

1、标注自己的数据集

2、按照YoLo官网下载，下载yolov3项目工程

git clone https://github.com/pjreddie/darknet

cd darknet

make

3、修改修改darknet目录下的makefile

1、打开文件

vi Makefile

2、如需使用GPU训练，进行如下修改：

GPU=1 #使用GPU训练

CUDNN=0

OPENCV=0

OPENMP=0

DEBUG=0

3、make #必须进行make才可生效

4、准备数据集。

在scripts文件夹下创建文件夹VOCdevkit，目录结构如下：

Main中的文件分别包括test.txt是测试集，train.txt是训练集，val.txt是验证集，trainval.txt是训练和验证集，我只选用了训练集和验证集。

在VOC2019目录下建立test.py，代码如下：

import os
import random

val_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * val_percent)
tr = int(tv * train_percent)
val = random.sample(list, tv)
train = random.sample(val, tr)

ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
name = total_xml[i][:-4] + '\n'
if i in train:
ftrain.write(name)
else:
fval.write(name)

ftrain.close()
fval.close()

可以得到所需的train.txt和val.txt的内容

5、修改voc_label.py如下三处的内容，得到YOLOV3需要的数据形式

python voc_label.py 运行可得到如下所示文件：

6、修改程序:

修改data/voc.name为自己的类别：

修改cfg/voc.data

修改cfg/yolov3-voc.cfg

这里需要注意的是batch和subdvisions的数值，batch/subdvisions的值就是每次丢进去训练的图片数，batch和subdvisions数值太大会导致内存消耗太大。我训练时未生成权重文件就是因为内存不够，训练到后面直接强制停止，后面修改了batch和subdvisions的值才生成权重文件，此外，训练多少次生成权重文件，可以通过train.py中如下代码进行修改，下面的代码是每训练10次保存一次权重文件。

if epoch > 0 and epoch % 10 == 0:
torch.save(chkpt, weights + 'backup%g.pt' % epoch)