yolov3-pytorch训练全过程（未完待续）

准备工作：配环境、下载文件包

• cuda 9.0
• cudnn7.1.2
• opencv-python 4.1.2.30
• matplotlib 3.1.1
• numpy 1.17.4
• python 3.7.5
• pytorch 1.3.1
• tpdm 4.40.2
  pytorch最简单的安装教程
  文件包地址：https://github.com/ultralytics/yolov3
  1、准备数据集
  在data文件夹下建立四个文件夹，依次存放xml、图片、txt、标签
  
  ImageSets中建立四个txt
  
  2、主目录下建立makeTxt.py，用来按比例分配测试数据和训练数据。

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
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('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/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()

执行结束后，ImageSets中的4个txt中会有图片名字。

3、主目录建立voc_label.py文件，用来提取图片路径以及标注数据txt
修改类别

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets = ['train', 'test', 'val']

classes = ["normal"，"abnormal"]  #leibie 


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id):
    in_file = open('data/Annotations/%s.xml' % (image_id))
    out_file = open('data/labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


wd = getcwd()
print(wd)
for image_set in sets:
    if not os.path.exists('data/labels/'):
        os.makedirs('data/labels/')
    image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
    list_file = open('data/%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write('data/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

执行完后，主目录会生成三个txt文档，label文件夹中会生成n个txt


4、在data文件下新建rbc.data
内容：

classes=2
train=data/train.txt
valid=data/test.txt
names=data/rbc.names
backup=backup/
eval=coco

5、在data文件下新建rbc.names
内容是类别名：

6、修改cfg文件
我用yolov3.cfg，修改filters和classes
7、下载权重文件
下载后放在weights文件夹中。
链接：https://pan.baidu.com/s/1XILRBmIBB3RwavMUNo8gYQ
提取码：gnw4
8、训练
可以用终端，也可以修改代码中的默认信息。

python train.py --data data/rbc.data --cfg cfg/yolov3.cfg --epochs 100

测试：

1、将测试图片放入samples文件夹中。

2、修改detect.py的参数。运行。
测试后的结果会保存在output文件夹中。