win10+tensorflow2.1实现YOLOV3目标检测算法并训练自己的数据集

第一步，数据集：自己截图，不需要resize，使用labelimg标注，标注后分布放入下面文件夹

第二步，运行xml_to_txt.py  代码如下

# _*_ coding: utf-8 _*_
# @Time : 2020/2/28 20:57
# @File : xml_to_txt.py
"""
需要修改的地方 ：
1、你自己的类别 CLASSES
2、数据集  image路径 img_dir   annotation路径 annotation_dir
3、第22行，生成文件的保存路径及名称
"""
import xml.etree.ElementTree as ET
import os

CLASSES = ['c', 'nc']

def convert_xml_annotation(img_dir,annotation_dir, classes,target_file):
    xml_dir = []
    for xml in os.listdir(annotation_dir):
        if xml.endswith('.xml'):
            xml_dir.append(xml)
    print("Total xml files : ", len(xml_dir))
    with open(target_file, 'w') as f:
        for i in range(len(xml_dir)):
            tree = ET.parse(os.path.join(annotation_dir,xml_dir[i]))
            root = tree.getroot()

            # image path
            filename = root.find('filename').text
            image_path = os.path.join(img_dir,filename)
            annotation = image_path

            # coordinates of label : xmin  ymin  xmax  ymax
            for obj in root.iter('object'):
                difficult = obj.find('difficult').text
                cls = obj.find('name').text
                if cls not in classes or int(difficult) == 1:
                    continue
                cls_id = classes.index(cls)
                bbox = obj.find('bndbox')
                xmin = bbox.find('xmin').text.strip()
                xmax = bbox.find('xmax').text.strip()
                ymin = bbox.find('ymin').text.strip()
                ymax = bbox.find('ymax').text.strip()
                annotation += ' ' + ','.join([xmin, ymin, xmax, ymax,str(cls_id)])
            print(annotation)
            f.write(annotation + "\n")

#训练数据
convert_xml_annotation(r'D:\projects\YOLOV3\images\train\image',r"D:\projects\YOLOV3\images\train\annotation", CLASSES,r"D:\projects\YOLOV3\data\dataset\train.txt")
#测试数据
convert_xml_annotation(r'D:\projects\YOLOV3\images\test\image',r"D:\projects\YOLOV3\images\test\annotation", CLASSES,r"D:\projects\YOLOV3\data\dataset\test.txt")

生成文件如下

第三步，新建.names文件，如下

内容如下，我的只有两中类别c,nc

第四步，修改 config.py

配置好，可以开始训练了，我比较懒，只标注了66张图片进行训练，下面是训练后的预测效果，由于训练数据过小，准确率不是很高，也偶尔存在误判

点赞过百上传源码哦~