利用YOLOv3代码训练自己的训练集(一)

结果

先来看看结果是什么样的：

一.准备操作

1.下载labelimg

这个是用于标注图像的，使用python写的，咱们直接把他download下来，附上链接：
labelimg下载地址
注意：这个地方labelimg路径不能有中文，否则会导致报错或者无法运行

2.下载代码

yolo代码

3.下载数据集

因为是自己的数据集，所以需要大家自己下载，我是在kaggle上找了一些猫狗图，然后在百度上下载了部分猫狗图，总共训练集不到300张，这里最好路径也不要有中文，否则程序也会报错。

二.数据集标注

打开labelimg

锁定文件夹，并对图像进行标注,输入dog

这个时候我们发现在图像的文件夹内多了一个xml文件：

打开后发现是这样的,其中记录了锚点的坐标，对象：dog，路径，以及原图像的大小：width，height，depth等各个信息。

注意：图像不能有中文路径，否则程序中会报错！！如果还是不会用labelimg们可以百度下别人的论坛，这个还是很简单的。

三.训练yolov3模型

1.准备工作

打开下载的yolo代码，打开voc2007文件夹，把刚才的狗图片和标注好的xml文件分别放到JPEGImages和 Annotations文件夹下，如下图所示：

xml文件：

狗照片文件：

2.确定训练集

运行VOC2007下面的test.py文件，结束后发现VOC2007/ImageSets/Main下生产如下几个txt文档，就是对图片路径按照比例分成训练，验证，测试集，实际上程序中没有用到测试集。

3.运行voc_annotation.py

对tiny-yolo v3下的voc_annotation.py进行简单修改，路径 model_data下的voc_classes.txt也要修改，并运行。
因为只有一类dog,所以都修改为dog


运行结束后会生成几个txt文档，比如：2007_train.txt，这时候我们将前面的2007_删掉，得到这三个txt文件

打开train文件，我们可以发现训练集的路径，以及锚点坐标，最后的0应该是类别。

4.训练模型

打开tiny_train.py文件，开始运行，我把epoch改为了500，（5000太多了，电脑顶不住。。。）
训练过程如下所示：

最终该模型的loss为2.7左右，时间花费2小时，大家可以修改一些参数，如batch,epoch等，一般loss要为零点几。

5.测试图形

将待测试的图像放在VOC2007文件下的Images文件中。测试结果会在VOC2007下的SegmentationClass文件中。
测试图：

程序运行结果：

结果图：
其实大家发现效果并不好，里面很多都没检测出来，主要还是因为loss太高了，训练次数和样本都不够。


置信度不高，这张还是错的