YOLO 训练自己的数据

YOU ONLY LOOK ONCE

YOU ONLY LOOK ONCE

相关链接：http://guanghan.info/blog/en/my-works/train-yolo/

本文是在宁广涵博客的基础上，添加一些自己在训练中遇到的问题及解决方式，仅供学习与参考，同时也通过这样的方式把训练过程记录下来，方便自己下次训练。

宁广涵已将Gihub上的源文件做了一些修改，可以点击下载Darknet。

配置环境：Ubuntu 14.04, CPU;

1. 采集样本和注释

i. 录制一段视频，并利用Opencv对帧进行保存，这样很快就能采集上千张样本；

ii. 标记图片中目标的坐标，利用Bbox-Label-Tool比较方便；

2. 以Darknet的格式创建注释

在这一步骤，我们会产生一个darknet注释文件和一个训练列表，txt

经过BBox-Label-Tool产生的注释文件格式如下：

Class_number

Box1_x1 Box1_y1 Box1_width Box1_height

Box2_x1 Box2_y1 Box2_width Box2_height

......

经过convert.py转换之后的注释格式变为：

Class_number Box1_x1_ratio Box1_y1_ratio Box1_width_ratio Box1_height_ratio

Class_number Box2_x1_ratio Box2_y1_ratio Box2_width_ratio Box2_height_ratio

请注意，每个图片都有一个注释文件，但我们只需要一个图像的训练列表，为了方便，将images和labels两个文件夹放到darknet-master/data/下;

为了方便理解，链接是生成的文件的格式示例：

转换之前格式.txt

转换之后格式.txt

训练列表格式.txt

Q：运行convert.py的时候会遇到这样的错误

windows下运行convert.py

A：将lines = txt_file.read().split('\t\n')改成lines = txt_file.read().split('\n')，主要因为linux和windows的读取方式不同，不过windows下改成这个格式也只能在图中标记一个物体，如何更好的修改这段代码，之后有时间再做调整；

3. 修改一些代码

i. 在src/yolo.c 中改变class num 和class name，还需要修改其中的读取训练列表的路径等等；

如果想要训练新的类别，为了显示正确的png标签文件，我们还需要运行data/labels/make_l abels.py 以生成新的标签，并加入到labels文件夹下；

ii. 在 ctg/yolo.cfg 文件，改变output为（5x2+number of classes）x7x7，例如，一个类别的话改为539，并且修改222行的classes为1（要训练的类别）

iii. 还需要一个pre-trained weights文件

4. 可以开始训练了，

进入darknet-master根目录，先sudo make编译一下，然后运行：

./darknet yolo train cfg/yolo.cfg extraction.conv.weights

如果幸运，你就可以开始训练了！

不过，我还是遇到了一些些问题：

cannot load image

深陷在这个bug里找不到出路，最后终于在vim 训练列表文件的时候发现了：

要了命的bug

咦，什么时候后面多了一个^M?真是其他编辑器都没有发现这个问题，只有vim显示出来了，怪不得图片加载不了...

vim下 :%s/^M//g 或者 :1,$s/^M//g 均可

补充一点： ^M是使用 "CTRL-V CTRL-M" 而不是字面上的 ^M

最后，可以开始训练了，因为刚刚训练上就敲了这篇文档，只是中间个效果成截图：

训练过程

我也很紧张，不知道最后能不能训练出模型，不过听说没有GPU的情况下要训练很久，不过就当是熟悉一下配置训练过程啦...把训练过程及时记录下来，方便下次的训练...小编是菜鸟，一周的努力才调通这个训练过程...不过