Yolov3(pytorch)训练自己的数据集（二）

二、配置网络参数

在cfg文件夹下创建创建新的配置文件yolov2-custom.cfg，相比原来的配置文件，要对yolo层的参数进行更改，主要针对图中的filters和classes进行更改，一共有３处yolo层，每一处都需要更改。其中filters=3x(5+classes)，classes为目标的类别25类。

三、训练

直接运行python3 train.py --data data/adas/custom.data --cfg cfg/yolov3-custom.cfg --weights weights/darknet53.conv.74进行训练，我用的是darknet53.conv.74预训练模型，也可以使用其他的预训练模型，效果均有所不同。
在训练了40轮左右，mAp＠0.5为0.21，曲线如图所示

训练过程中会将mAp最高的一轮的模型参数自动保存在weights文件夹下，命名为best.pt.

四、测试

测试集中共有3000张图片 ，运行python3 detect.py --cfg cfg/yolov3-custom.cfg --weights weights/best.pt --names data/adas/classes.names --source data/adas/test。
其中test文件夹下存放了3000张测试图片，利用训练过程中保存的best,pt模型，最终测试3000张图片需要216s。效果如图所示。