YOLOv3 pytorch版本 训练自己的数据集+加se/cbam注意力

\1)下载源代码（现在有cfg版本的代码已不再维护） https://github.com/ultralytics/yolov3 \2) 下载 yolov3-tiny 权重文件并将其放在/weights 文件夹中 https://pjreddie.com/media/files/yolov3-tiny.weights \3) 运行编辑软件如 vscode spyder 打开 detect.py

 

推理画不出框（图片中不能框选）的问题解决办法：

1. 打开detect.py代码，在第32行加一句half = False

2. 运行命令：python detect.py --cfg cfg/yolov3-tiny.cfg --weights weights/yolov3-tiny.weights

成功：

 

训练自己的数据集

数据集整理

在yolov3代码中的data文件夹中创建三个新的文件夹：

 

Annotations中放.xml文件；JPEGImages放.jpg格式图片；

在 yolov3代码根目录下创建一个 MakeTxt.py，将数据集分成训练集，测试集和验证集，其中比例可以在代码设置，代码参考：

YOLOV3训练自己的数据集（PyTorch版本）_mumumuyanyanyan的博客-CSDN博客_pytorch yolov3训练自己的数据集

运行成功后你会在 yolov3-master/data/imageSets 文件夹中得到 4 个 txt 文件：

 

在 yolov3代码根目录下创建一个voc_label.py，代码参考上个网址 ，其中：

1. 将 classes 中改成自己的

2. 将 data 文件夹中 JPEGimages 文件夹改名为 images 或者将代码中 images 改成 JPEGimages， 保证文件名与程序统一即可。【重点】

3. 

    

4. 运行程序，成功后得到 labels 文件夹，以及在 data 目录下 train.txt， test.txt， val.txt，这里的 train.txt 与之前的区别在于，不仅仅得到文件 名，还有文件的具体路径

配置文件

1） 在 data 目录下创建 UAV-05-2021.data内容如下：（最后一行最好有一行回车）

 

2） 在 data 目录下创建 uav-classes.names内容如下：（最后一行最好有一行回车）

 

3） 修改 cfg 文件中 yolov3-tiny.cfg

yolov3-tiny.cfg中有两个classes和两个在yolo层上面的filters都要改成自己的，filters=3ｘ(n+5)，例如：本文数据集classes=5；filters=3ｘ(5+5)=30【重点】

4） 修改 train.py 中

3） 在文件夹目录下使用 cmd 命令

 

python train.py --data data/UAV-05-2021.data --cfg cfg/yolov3-tiny.cfg --epochs 100 

报错：

 

在对total_ops进行赋值之前，先用global关键字将total_ops变成一个全局变量，这样设置之后，编译器就会看到total_ops已经在函数之外定义过了，所以就不会报错。

解决方法：按住ctrl点击鼠标，跳到划红线的.py，找到total_ops，在前面加一句global total_ops，代码如下 ：

 

报错:

 

解决方法：yolov3-tiny.cfg中的参数没改完，有两个classes和两个在yolo层上面的filters都要改成自己的，filters=3ｘ(n+5)，例如：本文数据集classes=5；filters=3ｘ(5+5)=30 再次运行:

python train.py --data data/UAV-05-2021.data --cfg cfg/yolov3-tiny.cfg --epochs 100 --device cpu

训练ing：

 

训练完了

 

训练参数意义： 896 代表训练图片数量， 772 代表检测到的目标数量（在这里代指人）； 参数 P 是（精确率） percision 的缩写表示预测正率； R 是召回率(recall)的缩写， 表示预测正确占实际正确的比例； mAP 是平均精确度（mean Average Precision） 的缩写； F1 表示 F-score 相当于 precision 和 recall 的调和平均， recall 和 precision 任何 一个数值减小， F-score 都会减小，反之，亦然。

 

参数详解参考: 机器学习：准确率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲线、PR曲线_nana-li的博客-CSDN博客_准确率计算公式

训练完成后生成根目录下的： results.png test_batch0.png train_batch0.png

并得到训练好的模型权重保存至 weights/best.pt last.pt

测试

1384张图，五类标签，测试集：训练集=2：8

先改test.py里的batch_size=1；num_workers=0

然后运行：

python test.py --data data/UAV-05-2021.data --cfg cfg/yolov3-tiny.cfg --weights weights/last.pt

YOLOv3 pytorch 版本加注意力se

Darknet中的forward函数不要改，其他参考【从零开始学习YOLOv3】7. 教你在YOLOv3模型中添加Attention机制 - pprp - 博客园

1.需要修改parse_config.py中的部分内容（supported改为如下）：

supported = ['type', 'batch_normalize', 'filters', 'size',\
            'stride', 'pad', 'activation', 'layers', \
            'groups','from', 'mask', 'anchors', \
            'classes', 'num', 'jitter', 'ignore_thresh',\
            'truth_thresh', 'random',\
            'stride_x', 'stride_y',\
            'ratio', 'reduction', 'kernelsize']

2.将如下模块的代码，添加到models.py文件中：

class SELayer(nn.Module):
    def __init__(self, channel, reduction=16):
        super(SELayer, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.fc = nn.Sequential(
            nn.Linear(channel, channel // reduction, bias=False),
            nn.ReLU(inplace=True),
            nn.Linear(channel // reduction, channel, bias=False),
            nn.Sigmoid()
        )
​
    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avg_pool(x).view(b, c)
        y = self.fc(y).view(b, c, 1, 1)
        return x * y.expand_as(x)

3.设计cfg文件

以yolov3-tiny.cfg为baseline

还有有两个classes和两个在yolo层上面的filters都要改成自己的，filters=3ｘ(n+5)，例如：本文数据集classes=5；filters=3ｘ(5+5)=30

4.模型构建

以上都是准备工作，我们还需要修改model.py文件中的模型加载部分，让其正常发挥作用。

在model.py中的create_modules函数中进行添加：

        elif mdef['type'] == 'se':
            modules.add_module(
                'se_module',
                SELayer(output_filters[-1], reduction=int(mdef['reduction'])))

不要修改Darknet中的forward部分的函数！！！

然后训练：

python train.py --data data/UAV-05-2021.data --cfg cfg/yolov3-tiny-se.cfg --epochs 100 --device cpu

测试：

python test.py --data data/UAV-05-2021.data --cfg cfg/yolov3-tiny-se.cfg --weights weights/last.pt

YOLOv3 pytorch 版本加注意力cbam

修改cfg文件、supported中的字段、class就按照网上的来，参考：【从零开始学习YOLOv3】7. 教你在YOLOv3模型中添加Attention机制 - pprp - 博客园

模型构建：（注意这里和网上教程不一样）

1.不要改Darknet中的forward部分的函数！！

2.在model.py中的create_modules函数中进行添加：

        elif mdef['type'] == 'cbam':
            modules.add_module(
                'cbam_module',
                SpatialAttention( kernel_size=int(mdef['kernelsize'])))

然后训练：

python train.py --data data/UAV-05-2021.data --cfg cfg/yolov3-tiny-cbam.cfg --epochs 100 --device cpu

结果就在根目录下面

测试：