Keras/Tensorflow+python+yolov3训练自己的数据集

如有侵权，请告知，立马删除！

代码：https://github.com/qqwweee/keras-yolo3

修改yolov3.cfg文件：https://blog.csdn.net/lilai619/article/details/79695109

写文章不易，转载请表明本文出处：https://blog.csdn.net/Patrick_Lxc/article/details/80615433

本文介绍如何制作数据集、修改代码、不加载预权重从头跑自己的训练数据

一、简单回顾一下yolo原理：

    1、端到端，输入图像，一次性输出每个栅格预测的一种或多种物体

    2、坐标x,y代表了预测的bounding box的中心与栅格边界的相对值。

         坐标w,h代表了预测的bounding box的width、height相对于整幅图像（或者栅格）width,height的比例。

       

    3、

每个格子可以预测B个bounding box，但是最终只选择只选择IOU最高的bounding box作为物体检测输出，即每个格子最多只预测出一个物体。当物体占画面比例较小，如图像中包含畜群或鸟群时，每个格子包含多个物体，但却只能检测出其中一个。
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
原文: https://www.cnblogs.com/makefile/p/YOLOv3.html © 康行天下

每个格子可以预测B个bounding box，但是最终只选择只选择IOU最高的bounding box作为物体检测输出，即每个格子最多只预测出一个物体。当物体占画面比例较小，如图像中包含畜群或鸟群时，每个格子包含多个物体，但却只能检测出其中一个
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
原文: https://www.cnblogs.com/makefile/p/YOLOv3.html © 康行天下

每个格子可以预测B个bounding box，但是最终只选择只选择IOU最高的bounding box作为物体检测输出，即每个格子最多只预测出一个物体。当物体占画面比例较小，如图像中包含畜群或鸟群时，每个格子包含多个物体，但却只能检测出其中一个。
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
原文: https://www.cnblogs.com/makefile/p/YOLOv3.html © 康行天下

每个格子可以预测B个bounding box，但是最终只选择只选择IOU最高的bounding box作为物体检测输出，
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
原文: https://www.cnblogs.com/makefile/p/YOLOv3.html © 康行天下

每个格子可以输出B个bounding box ，但是最终只会输出IOU占比最高的bounding box   作为输出，所以， 一个格子只能预测一个类别。

    4、  

        考虑各项权重：λcoord = 5， λnoobj = 0.5。因为不包含物体的框较多，需要弱化对应的权重影响，不然会导致包含物体的框贡献低，训练不稳定甚至发散。

    5、如果想一个格子预测多个类别，需要Anchors. --yolo2

二、如何使用yolo3,训练自己的数据集进行目标检测

    第一步：下载VOC2007数据集，把所有文件夹里面的东西删除，保留所有文件夹的名字。

    像这样：

    第二步：把你所有的图片都复制到JPEGImages里面

    像这样：

    第三步：生成Annotations下的文件

    工具：LabelImg ，链接：https://pan.baidu.com/s/1GJFYcFm5Zlb-c6tIJ2N4hw 密码：h0i5

    像这样：

    第四步：生成ImageSets/Main/4个文件。在VOC2007下建个文件test.py，然后运行

    像这样：

    test.py代码：

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = ‘Annotations’
txtsavepath = ‘ImageSets\Main’
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open(‘ImageSets/Main/trainval.txt’, ‘w’)
ftest = open(‘ImageSets/Main/test.txt’, ‘w’)
ftrain = open(‘ImageSets/Main/train.txt’, ‘w’)
fval = open(‘ImageSets/Main/val.txt’, ‘w’)

for i in list:
name = total_xml[i][:-4] + ‘\n’
if i in trainval:
ftrainval.write(name)
if i in train:
ftest.write(name)
else:
fval.write(name)
else:
ftrain.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

    第五步：生成yolo3所需的train.txt,val.txt,test.txt

    VOC2007数据集制作完成，但是，yolo3并不直接用这个数据集，开心么？

    需要的运行voc_annotation.py ，classes以三个颜色为例，你的数据集记得改

   

    运行之后，会在主目录下多生成三个txt文件，

    像这样：

手动删除2007_,

    第六步：修改参数文件yolo3.cfg

    注明一下，这个文件是用于转换官网下载的.weights文件用的。训练自己的网络并不需要去管他。详见readme

    IDE里直接打开cfg文件，ctrl+f搜 yolo, 总共会搜出3个含有yolo的地方，睁开你的卡姿兰大眼睛，3个yolo！！

    每个地方都要改3处，filters：3*（5+len（classes））；

                                    classes: len(classes) = 3，这里以红、黄、蓝三个颜色为例

                                    random：原来是1，显存小改为0

   

    第七步：修改model_data下的文件，放入你的类别，coco,voc这两个文件都需要修改。

    像这样：

  

    第八步：修改代码，准备训练。代码以yolo3模型为目标，tiny_yolo不考虑。

    为什么说这篇文章是从头开始训练？代码原作者在train.py做了两件事情：

    1、会加载预先对coco数据集已经训练完成的yolo3权重文件，

    像这样：

    2、冻结了开始到最后倒数第N层（源代码为N=-2），

   像这样：

   但是，你和我想训练的东西，coco里没有啊，所以，就干脆从头开始训练吧

    对train.py做了一下修改，直接复制替换原文件就可以了，细节大家自己看吧，直接运行，loss达到10几的时候效果就可以了

    train.py:

"""

Retrain the YOLO model for your own dataset.

“”"

import numpy as np

import keras.backend as K

from keras.layers import Input, Lambda

from keras.models import Model

from keras.callbacks import TensorBoard, ModelCheckpoint, EarlyStopping

from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
from yolo3.utils import get_random_data

def _main():
annotation_path = ‘train.txt’
log_dir = ‘logs/000/’
classes_path = ‘model_data/voc_classes.txt’
anchors_path = ‘model_data/yolo_anchors.txt’
class_names = get_classes(classes_path)
anchors = get_anchors(anchors_path)
input_shape = (416,416) # multiple of 32, hw
model = create_model(input_shape, anchors, len(class_names) )
train(model, annotation_path, input_shape, anchors, len(class_names), log_dir=log_dir)

def train(model, annotation_path, input_shape, anchors, num_classes, log_dir=‘logs/’):
model.compile(optimizer=‘adam’, loss={
‘yolo_loss’: lambda y_true, y_pred: y_pred})
logging = TensorBoard(log_dir=log_dir)
checkpoint = ModelCheckpoint(log_dir + “ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5”,
monitor=‘val_loss’, save_weights_only=True, save_best_only=True, period=1)
batch_size = 10
val_split = 0.1
with open(annotation_path) as f:
lines = f.readlines()
np.random.shuffle(lines)
num_val = int(len(lines)*val_split)
num_train = len(lines) - num_val
print(‘Train on {} samples, val on {} samples, with batch size {}.’.format(num_train, num_val, batch_size))

model.fit_generator(data_generator_wrap(lines[:num_train], batch_size, input_shape, anchors, num_classes),
        steps_per_epoch=max(1, num_train//batch_size),
        validation_data=data_generator_wrap(lines[num_train:], batch_size, input_shape, anchors, num_classes),
        validation_steps=max(1, num_val//batch_size),
        epochs=500,
        initial_epoch=0)
model.save_weights(log_dir + 'trained_weights.h5')

def get_classes(classes_path):
with open(classes_path) as f:
class_names = f.readlines()
class_names = [c.strip() for c in class_names]
return class_names

def get_anchors(anchors_path):
with open(anchors_path) as f:
anchors = f.readline()
anchors = [float(x) for x in anchors.split(’,’)]
return np.array(anchors).reshape(-1, 2)

def create_model(input_shape, anchors, num_classes, load_pretrained=False, freeze_body=False,
weights_path=‘model_data/yolo_weights.h5’):
K.clear_session() # get a new session
image_input = Input(shape=(None, None, 3))
h, w = input_shape
num_anchors = len(anchors)
y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l],
num_anchors//3, num_classes+5)) for l in range(3)]

model_body = yolo_body(image_input, num_anchors//3, num_classes)
print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))

if load_pretrained:
    model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
    print('Load weights {}.'.format(weights_path))
    if freeze_body:
        # Do not freeze 3 output layers.

num = len(model_body.layers)-7
for i in range(num): model_body.layers[i].trainable = False
print(‘Freeze the first {} layers of total {} layers.’.format(num, len(model_body.layers)))

model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
    arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(
    [*model_body.output, *y_true])
model = Model([model_body.input, *y_true], model_loss)
return model

def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
n = len(annotation_lines)
np.random.shuffle(annotation_lines)
i = 0
while True:
image_data = []
box_data = []
for b in range(batch_size):
i %= n
image, box = get_random_data(annotation_lines[i], input_shape, random=True)
image_data.append(image)
box_data.append(box)
i += 1
image_data = np.array(image_data)
box_data = np.array(box_data)
y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)
yield [image_data, *y_true], np.zeros(batch_size)

def data_generator_wrap(annotation_lines, batch_size, input_shape, anchors, num_classes):
n = len(annotation_lines)
if n==0 or batch_size<=0: return None
return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)

if name == ‘main’:
_main()   

第九步：预测图片。修改了yolo.py下的预测图片的函数，将检测的图片都储存在了outdir里

’’’

def detect_img(yolo):

    while True:

        img = input(‘Input image filename:’)

        try:

            image = Image.open(img)

        except:

            print(‘Open Error! Try again!’)

            continue

        else:

            r_image = yolo.detect_image(image)

            r_image.show()

    yolo.close_session()

‘’’

import glob

def detect_img(yolo):

path = “D:VOCdevkit\VOC2007\JPEGImages*.jpg”

    outdir = “D:\VOCdevkit\VOC2007\SegmentationClass”

    for jpgfile in glob.glob(path):

img = Image.open(jpgfile)

img = yolo.detect_image(img)

img.save(os.path.join(outdir, os.path.basename(jpgfile)))

yolo.close_session()

最终效果图：红绿灯检测，100张图片作为训练集

    

    

明天写yolo2和yolo3的具体原理。

    

先声明一下，quick start的步骤：
1、Download YOLOv3 weights from YOLO website.
2、Convert the Darknet YOLO model to a Keras model.（因为官网给出的是darknet的权重文件，所以需要转换成Keras需要的形式）
3、Run YOLO detection.
依次对应：
1、wget https://pjreddie.com/media/files/yolov3.weights
2、python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
3、python yolo.py   OR   python yolo_video.py [video_path] [output_path(optional)]
理解以上的步骤之后，回答您的问题：
对于已经存在于coco数据集80个种类之中的一类，就不要自己训练了，官网权重训练的很好了已经；
对于不存在coco数据集的一种，无视convert.py, 无视.cfg文件，不要预加载官方权重，直接用我的train.py代码进行训练就可以了。你预加载官方权重，再去训练一个全新的物种，个人认为是浪费资源完全没意义的