三、训练自己的yolo3模型

yolo3整体的文件夹构架如下:
在这里插入图片描述
本文使用VOC格式进行训练。
训练前将 标签文件(.xml) 放在 VOCdevkit 文件夹下的 VOC2007 文件夹下的 Annotation 中。

在这里插入图片描述
训练前将 图片文件 放在 VOCdevkit 文件夹下的 VOC2007 文件夹下的 JPEGImages 中。
在这里插入图片描述

一个图片文件 对应 一个标签文件:

三、训练自己的yolo3模型_第1张图片三、训练自己的yolo3模型_第2张图片

在训练前利用 voc2yolo3.py 文件生成对应的txt。
在这里插入图片描述
再运行根目录下的voc_annotation.py,运行前需要将classes改成你自己的classes。

classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

在这里插入图片描述


就会生成对应的 2007_train.txt,每一行对应其 图片位置 及其 真实框的位置 和 分类


在这里插入图片描述

在训练前需要修改model_data里面的voc_classes.txt文件,需要将classes改成你自己的classes。


在这里插入图片描述

运行train.py即可开始训练。


在这里插入图片描述

 

 

 

 

 

你可能感兴趣的:(计算机视觉,YOLO,目标检测)