Darknet YOLO——训练自己的数据集，检测指定的物体

                                Darknet YOLO——训练自己的数据集，检测指定的物体

一、获取训练集的txt、xml文件

(1)获取训练集样本(我这里训练集有两类，每一类10张)

(2)利用LabelImg标记训练样本，分别获得每张图片对应的.txt、.xml文件。
①添加自己的类


②打开工具，标记生成对应文件

ctrl+s保存

③改变保存的模式




这样就保存了一张图片的.txt、.xml文件。之后点击下一张，同样的操作。


④折耳猫训练数据集

哈士奇训练数据集

二、新建文件夹与数据整理

（1）在如图所示对应路径下新建VOCdevkit文件夹

（2）在VOCdevkit文件夹下创建两个文件夹：JEPGImages和VOC2019

1)将训练图片全部放到JPEGImages文件夹中

2)在VOC2019文件夹下再新建三个文件夹：Annotations;labels;ImageSets

2.1)将之前生成的.xml文件放入Annotations文件夹

2.2）将之前生成的.txt文件放入labels文件夹

2.3)在ImageSets文件夹下再新建一个文件夹Main

并在main文件夹下新建两个文本文档

(3)运行如下代码，得到train.txt和val.txt。这里明显file_num<776,所以val.txt不会有数据。

import os
from os import listdir, getcwd
from os.path import join
if __name__ == '__main__':
    
    source_folder='E:\\ck_tools\\darknet\\darknet-master\\scripts\\VOCdevkit\\JEPGImages'
    dest='E:\\ck_tools\\darknet\\darknet-master\\scripts\\VOCdevkit\\VOC2019\\ImageSets\\Main\\train.txt' 
    dest2='E:\\ck_tools\\darknet\\darknet-master\\scripts\\VOCdevkit\\VOC2019\\ImageSets\\Main\\val.txt'  
 
    file_list=os.listdir(source_folder)       
    train_file=open(dest,'a')                 
    val_file=open(dest2,'a')                  
 
    for file_obj in file_list:                
        file_path=os.path.join(source_folder,file_obj) 
        file_name,file_extend=os.path.splitext(file_obj)
        file_num=int(file_name) 
 
        if(file_num<776):                     
            train_file.write(file_name+'\n')  
        else :
            val_file.write(file_name+'\n')    
    train_file.close()
val_file.close()

得到的train.txt文件：

（4）修改 voc_label.py


(5)运行 voc_label.py，得到如下三个文件

（6）在如下路径新建两个文件夹：obj;weights

并将之前的训练图片样本和对应的txt文件放入obj文件夹；weights文件夹用来存放之后训练生成的权重文件

（7）修改2019_train.txt和2019_val.txt(2019_val.txt为空不用修改),改为obj中图片的绝对路径。

并把2019_train.txt复制到如下路径：

三、修改文件

（1）修改voc.data


(2)修改voc.names

(3)修改yolov3-voc.cfg

一共要改三处这样的地方，每处改如下两个参数，我这里类别数classes=2，filters=(classes+5)*3=21;

四、开始训练

(1)下载预训练的权重文件

(2)在如下路径打开cmd窗口，输入：darknet.exe detector train data\voc.data yolov3-voc.cfg darknet53.conv.74 data\weights

此时 如果出现can not open file xxxxxxxxxx
解决方法：
①用notepad++打开2019_train.text;

②点击 视图==》显示符号==》显示所有字符

③点击 编辑==》文档格式转换==》转为Unix(LF)

修改后继续运行如下，接下来就是等待。。。。。。

部分参数指标 ：

Avg IOU:当前迭代中，预测的box与标注的box的平均交并比。越接近于1越优。
Class:标注物体的分类准确率。越接近于1越优。
Obj:越接近于1越优。
No Obj:越接近于0越优。

五、结果测试

(1)训练结果如下图所示,我就训练到这里了。

(2)在weights文件夹下生成了相应的权重，并将迭代2000次的权重拷贝到如下目录：

(3)准备测试图片进行测试
1）测试图片

2）测试 打开cmd窗口，输入 darknet.exe detector test data\voc.data yolov3-voc.cfg yolov3-voc_2000.weights -thresh 0.8

3）测试结果






当然，博客中训练的样本，迭代的次数都是不够的，这里只是将学习的方法总结记录，以后就不用到处找，一个一个试了(这个过程很痛苦…)。

参考：
①https://pjreddie.com/darknet/yolo/
②https://blog.csdn.net/maweifei/article/details/81148414
③https://blog.csdn.net/qq_36417014/article/details/88577729