使用yolov3训练自己的数据集（c++ vs2017 win10）

参考：https://blog.csdn.net/la_fe_/article/details/81564420

https://blog.csdn.net/qq_31442743/article/details/81087346

如果是在已有的基础上继续训练数据集，参考：https://mp.csdn.net/postedit/102964648

1.准备好数据集，训练图片、验证图片和他们对应的路径名txt文件

和faster-rcnn不太一样的是，yolo还需要几个txt文件运行这个脚本voc_label2.py即可生成(见最上面的参考博客)

要把这三个文件夹里的路径里的\替换成/

还会生成D:\software_engineer\darknet\darknet\scripts\VOCdevkit\VOC2007\labels这个文件夹

voc_label2.py:

 

2.准备配置文件，需要3个配置文件

1.voc.data（类别数，步骤一中的两个txt的路径，类名路径，训练产生的文件保存位置）

2.voc.name

3.yolov3.cfg

前面的batch和subdivisions在训练的时候把testing下面的注释掉，测试的时候把training下面的注释掉

这里还要改一些参数：

 [convolutional] 

size=1 

stride=1 

pad=1 

filters=30  //修改最后一层卷积层核参数个数，每个yolo层上面的convolutional层，有三处

               //计算公式是依旧自己数据的类别数filter=num×（classes + coords + 1）=5×（1+4+1）=30 

// YOLOv3版本中 filter=3×（classes + coords + 1）=3×（1+4+1）=18，即3*（类别数 + 5）

activation=linear 

[region] 

anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52 

bias_match=1 

classes=1  //类别数，本例为1类 

coords=4 

num=5 

softmax=1 

jitter=.2 

rescore=1 

object_scale=5 

noobject_scale=1 

class_scale=1 

coord_scale=1 

absolute=1 

thresh = .6 

random=1

2.训练

在D:\software_engineer\darknet\darknet\build\darknet\x64里面执行

./darknet detector train D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg

如果有预训练模型就把它放到darknet.exe同文件夹里，然后在指令最后加上预训练模型的名字，例如：darknet53.conv.74，

要在已有的基础上训练的话，不能直接在最后添加训练好的文件名，要多运行下面这句话，做一个微调，将yolov3_last.weights变为yolov3_last.conv.23，否则会报错（dont show）

./darknet partial cfg/darknet19_448.cfg yolov3_last.weights yolov3_last.conv.23 23

然后运行训练./darknet detector train D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg yolov3_last.conv.23

3测试（测试前把yolov3.cfg文件改一下）

（1）单张图片测试

./darknet detector test D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg D:/software_engineer/darknet/darknet/backup/yolov3_last.weights -i 0 -thresh 0.5 D:/work_place/门锁项目/计数项目深度学习目标识别/VOCdevkit/VOC2007/JPEGImages/00089.jpg

yolov3_last.weights是训练好的文件，在backup里面，不想输它的路径的话可以把它拷贝到和darknet.exe同一个文件夹里

（2）test参数换成valid，然后把图片名去掉（即路径为图片集文件夹路径），可以批量测试 测试集里的数据，保存到results文件夹下，是txt格式，不直观。这个批量测试只跑测试集。

（3）测试视频 参数换成demo

./darknet detector demo data/coco.data cfg/yolov3.cfg yolov3.weights video_003.avi

遇到的问题：

1.测试yolov3时报错：cuda error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

我训练到800次的时候突然报这个错，但好在此时已经开始收敛，训练的结果可以用

2.batchsize调到64之后训练速度超级慢，和数据集大小关系好像不大，训练上万张voc2007数据集和自己的200张数据集速度差不多，应该是显卡性能问题