【用YOLOv3-tiny对TT100K进行训练】

第一次跑代码，过程艰辛，值得记录

数据集的处理

YOLO对于数据集标签的格式有特定的要求（如下图），

因此原本的标签文件不能直接使用，首先要进行处理。
对数据集中原本的“annotation.json”文件（打开如下）进行处理。

GitHub上有现成的处理代码halftop/TT100K_YOLO_Label

TT100K_YOLO_Label代码如何使用？

先后使用这两个文件，第一个把json文件转成xml文件，第二个把xml文件转成TXT文件。
第一个代码没有别的需要修改，只是要注意文件路径。


运行结果如下（train和test都有）

第二个文件也要注意路径，他是把xml改成TXT（这里用了2次，train和test各一次）
底下还用了切片操作，属实为难了我这个python小白···


其中有一个字典部分，可以根据需要自己修改标签的分类（我设置的45类）

运行结果如下（train和test都有）

如此，标签就准备好了。

修改数据集的配置文件

下载的ultralytics/yolov3代码包中有以下文件，yaml就是需要的配置文件。只不过没有我们需要的，所以要自己建一个出来。不过还好，照着另外几个简单改一下就好，还是要注意路径，因为没有验证集，所以用的是和训练集一样的路径（我也不知道为啥，是不是可以删掉呢？）


在train.py里修改yaml文件

然后因为交通标志做翻转旋转类的数据增强会导致致命错误。所以需要在配置数据增强的部分把这两种关掉

开始训练

运行train.py时要喂入参数，不能直接跑···

如果没有预训练的话上述代码是不行的，要用下面这个（随机初始化权重）

训练意外中断怎么办？

1.Yolov5如何在训练意外中断后接续训练

2.其实可以不用在文件中改参数，可以在训练的那句代码后面加一个

 --resume