【目标检测实战一】YOLOV3从训练、测试到批量保存测试结果

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

训练带正常螺栓的数据集

        -采用的初始权重为：首先Imagenet训练过，然后经过我们螺栓库训练过，然后经过提包线夹脱销数据集训练过得到的yolov3模型权重。

        -问题：之前训练过yolov3，但这一次还是调整了半天，说明模型的训练过程中，不能单单的跑出来，要记录具体的训练步骤，以及处理过程。

        -具体流程如下

 

• 修改cfg中voc.data:，

               

                         classes是数据集类、train和valid是由voc_label.py根据aa.m分配完成的位于Main中的结果文档生成的训练txt。names是类别名称单独放一个文件夹，类别按voc_label中相同的顺序填写。backup后面是一个文件夹，保存训练好的网络权重

• 修改yolov3-voc.cfg：

            -文档内搜索yolo。

             

          -开头部分

            修改对应的地方。filters=3x（类别数目+5）

 

           所需要的文件如下：

voc_label.py网上都有，生成VOC格式的MaIn中txt文件的py代码放在另一个博文里面了，设置的是随机挑选数据分配到test与train的，不是顺序的，要注意。

 

LOSS曲线与IOU曲线绘制

1、绘制上一次训练的Loss曲线、IOU曲线

        -还有map和ap曲线还没知道怎么画

        -需要三个程序

       首先把命令窗口打印的训练日志复制下来然后：

1. extract Log日志为 Loss和iou版本、
2. 都与日志放在同一个文件夹下运行
3. 分别用train-loss\train-iou对日志数据进行可视化

 

单张图片测试：

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights 01.jpg

批量测试：

1.可视化的批量测试

  按https://blog.csdn.net/mieleizhi0522/article/details/79989754（YOLOv3批量测试图片并保存在自定义文件夹下）中方法，首先修改代码，然后重新编译darknet，然后用

./darknet detector test cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights

命令，运行后输入依次2007_train.txt\2007_test.txt\2007_val.txt的路径，会蹦出图片，一张张关闭掉，就会自动保存并且运行下一张。运行完一组，结果输出到data/out里面，修改名字，跑下一个txt。就可以得到本次测试的图片结果。

2.数字结果的批量测试（输出txt，里面是框坐标、类别、得分）

  ./darknet detector vaild cfg/voc.data cfg/yolov3-voc.cfg backup/yolov3-voc_final.weights -gpu 0,1 thresh .001

参数分别是：

vaild测试模式，

数据配置文件

模型文件 指定gpu，

设定检测的阈值。

 会把cfg/voc.data里的测试txt文档中的所有图片批量测试一遍，按类输出txt文档到darknet-master/result文件夹中。更换不同的txt，得到val.txt、train.txt、test.txt对应数据的测试结果，每一次都要分开保存好，避免覆盖

 

 

测试结果

图像测试结果和数值坐标结果都分别保存下来。

 

---