win10+tensorflow2.3.1 下利用yolov3训练自己的数据集

加上今天总共搞了4天，终于成功了，网上也有很多利用yolov3训练自己数据集的教程，但是都存在这样那样的问题，经过大量搜索与试验，终于成功了。

先不说准确率有多高，跑通了就很开心，毕竟我只用了9张图片。

下面开始正文：

IDE：pycharm community，python3.8

一、下载yolov3模型

下载地址：这里

二、下载yolov3.weight文件

下载地址：这里

三、在pycharm下建立项目

1. 要注意文件的目录情况要和图中一致

2. 项目上层要有一个叫VOCdevkit的文件夹

                                                                                 

 

3. 将下载的yolov3文件夹放到该项目下，并将其设置为引用源

右键选择该文件夹-->Make dictory as --> souces root

四、准备自己的数据集

我是使用lableImage进行数据集的标注的，具体可参见这里。对了，我还发现lableImage竟然只能对jpg文件进行标注，操作不了bmp，不知道只是我碰到这个问题还是怎么样，我还没看到有人提到过。

五、放置自己的数据集

Annotation中主要存放xml文件，JPEGImages文件夹中放我们已按统一规则命名好的原始图像。

六、生成4个txt文件

在项目下新建test.py文件，复制下面的代码，会在ImageSets/Main下生成4个txt文件。

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()

七、生成yolo3所需的train.txt,val.txt,test.txt

运行voc_annotation.py ，但是要记得把里面的classes换成你自己的class，比如我这里只有一个类别:bad，所以改成这样：

还有文件路径也要记得改：

最后会在当前文件夹下生成带2007_的3个txt文件。手动把这3个文件的2007_删掉。

八、修改参数文件yolo3.cfg和model_data下的2个txt文件

 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，3个！

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

                                    classes: len(classes) = 1，这里以1个类别为例

                                    random：原来是1，显存小改为0

修改coco_classes.txt和voc_classes.txt，和你的类别一致

九、修改train.py代码进行训练

复制，直接替换掉原来的代码

import numpy as np
import tensorflow.keras.backend as K
from tensorflow.keras.layers import Input, Lambda
from tensorflow.keras.models import Model
from tensorflow.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()

在运行代码之前需要做2件事

1. 确保train.txt的路径正确，并有相关参数值，否则会报没有找到文件的错

我的做法是把voc_annotation.py这里的代码改掉了：

2. 在yolov3文件夹下新建log/000文件夹，用来保存训练后的权重文件，否则会报错

3. 运行之后会报错，需要修改model.py

 

 

 

十、预测图片

在这之前需要修改yolo.py文件

1. 修改权重路径

2. 修改tensorflow的用法

因为tensorflow2下会报一个Tensor is unhashable ，Instead, use tensor.experimental_ref() as the key.的错，所以需要修改

还有在这里，修改：

然后就可以预测了。不过，网上很多教程都是说运行yolo.py，但是经过我的测试，并没有什么反应，查看代码发现预测图片的程序在yolo_video.py中。所以，预测图片是这么做的：

1. 在teminal下，进入到yolo_video.py的路径下

2. 使用 python yolo_video.py --image，回车运行

a/service/service.cc:176]   StreamExecutor device (0): Host, Default Version
logs/000/trained_weights.h5 model, anchors, and classes loaded.
Input image filename:
然后就可以在冒号后面输入图片路径进行预测啦！

这是我随便选张图片预测的结果：

可以看到，它框出来认为bad的点，其实不够准确，下面那个点也应该框出来，但这是后面训练精度的问题了。跑通了这个就很开心。

这个程序是一直循环不会终止的，如果需要退出程序，右键选择上面的Terminal-->close tab-->terminate，就可以了。

十一、谢谢大家，如果对您有帮助，就点个赞吧。我把项目放到github上了，这里