Yolov3：Ubuntu18.04下训练自己的数据[超详细版]

前言

     之前写过一篇在win10下训练自己数据的博客，大家有需要的可以自行去查看：https://blog.csdn.net/qq_36417014/article/details/88577729

这一篇是在Ubuntu18.04环境下训练自己的数据。

目录

Yolov3：Ubuntu18.04下训练自己的数据

1、制作数据集

2、下载文件

3、处理数据

4、下载预训练权重

5、修改yolov3.cfg、voc.data和voc.names

6、可以训练了

---

Yolov3：Ubuntu18.04下训练自己的数据

1、制作数据集

关于制作数据集，这里就不再详细介绍了，大家可以自行查看上面那篇博客。主要是得到：.jpg数据和.xml数据。

2、下载文件

在ubuntu的终端输入命令：

git clone https://github.com/pjreddie/darknet
cd darknet
make

3、处理数据

在darknet/文件下面创建几个文件夹，如下所示：

VOCdevkit

——VOC2019

————Annotations(所有的.xml文件)

————JPEGImages(所有的.jpg文件)

————ImageSets

——————Main

————labels

————voc_2019.py

voc_2019.py内容如下：

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()

在/home/humeng/darknet/VOCdevkit/VOC2019路径下运行voc_2019.py

在/home/humeng/darknet路径下运行voc_label.py，如下所示

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

sets=[('2019', 'train'), ('2019', 'val'), ('2019', 'test')]
classes = ["cup"]

def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    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(year, image_id):
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, 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()

for year, image_set in sets:
    if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
    image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))
        convert_annotation(year, image_id)
    list_file.close()

则会在这个路径生成2019_train.txt、2019_val.txt、2019_test.txt文件。

数据处理完毕！！！

4、下载预训练权重

在终端输入：

wget https://pjreddie.com/media/files/yolov3.weights

5、修改yolov3.cfg、voc.data和voc.names

这三个文件，我都是放在了darknet/目录下

（1）yolov3.cfg修改

修改四处：

#1、
# Training
batch=64
subdivisions=64

...

#2、3、4就是把每一个yolo层的classes改成自己的数据种类，我这里是1，然后把对应上一层convolutional的filters=3*(5+classes)=18
[convolutional]
size=1
stride=1
pad=1
filters=18
activation=linear


[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=1
num=9
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

（2）voc.names

cup

（3）voc.data

classes= 1
train = /home/humeng/darknet/2019_train.txt
valid = /home/humeng/darknet/2019_val.txt
names = /home/humeng/darknet/voc.names
backup = backup/weights

6、可以训练了

./darknet detector train voc.data yolov3.cfg darknet53.conv.74 backup/weights