YOLOv3训练自己的数据集pytorch版

源码下载：https://github.com/Lu-tju/YOLOv3_pytorch，这是我的毕设，任务是识别turtlebot，本文简便起见，以红细胞数据集为例。

参考：
Pytorch实现YOLOv3训练自己的数据集
Pytorch实现yolov3的原始地址（ultralytics版）
环境：
win10+python3.6
PyTorch 1.1.0
opencv
tqdm
matplotlib
源码中有requirements.txt，安装直接：

pip3 install -U -r requirements.txt

这里我用的ultralytics的旧版，这个版本不需要 pycocotools，我的win10下运行pip install pycocotools报错：
Microsoft Visual C++ 14.0 is required. 安装还挺麻烦的，就用了这个版本

制作数据集

使用精灵标注助手，傻瓜安装，感觉比labelImge好用。
标注过程简单，不再赘述。
注意，数据存放目录不能有中文！！！不然python中导入时会报错：'gbk' codec can't decode byte 0xa2 in position 47...

导出时，选择VOC格式即可，这里以红细胞数据集为例，导出后大概如下：

...
<size>
    <width>640width>
    <height>480height>
    <depth>3depth>
size>

<segmented>0segmented>
    <object>
    <name>RBCname>
    <pose>Unspecifiedpose>
    <truncated>0truncated>
    <difficult>0difficult>
    <bndbox>
        <xmin>334xmin>
        <ymin>254ymin>
        <xmax>472xmax>
        <ymax>380ymax>
    bndbox>
object>
annotation>

为了方便，我们直接下载标记好的数据集：红细胞检测数据集

数据准备

1、 从数据集下载下来Annotations（标注）、JPEGImages（图片）两个文件夹，将他们复制到YOLOV3工程目录下的data文件夹下，然后将JPEGImages文件夹复制一下，并重命名为images，最后在data下新建两个空文件夹，分别命名为ImageSets和labels，如下：

2、运行makeTxt.py，在ImagesSets下生成如下四个文件，存储图片的名称

3、运行voc_label.py后，在labels下生成各个图片的标签，例如：

0 0.415625 0.8572916666666667 0.15625 0.21875
0 0.19843750000000002 0.7885416666666667 0.15625 0.21875

每行代表一个目标，各元素分别是：种类+4个坐标

同时在data下生成train.txt，test.txt，val.txt，存储图片的具体目录+名称。
4、
在data文件下新建rbc.names，存放种类的列表（此处只有1类RBC），内容如下：

RBC

在data文件下新建rbc.data，存放一些配置信息，内容如下：

classes=1
train=data/train.txt
valid=data/test.txt
names=data/rbc.names
backup=backup/
eval=coco

修改cfg文件

迁移学习，修改cfg文件中网络的结构，主要是yolo层前一层的Conv层的卷积核个数。
需要将filters=255改为filters=18，即： anchor个数3x（种类数+bbox4个坐标+bbox信度）。注意三个尺度都要改！
将yolo层的class=80改为class=1，即类数。

预训练模型

下载官网已经训练好的网络参数yolov3-tiny.weights，放到weights目录下，然后对yolov3-tiny.weights进行改造，冻结前面的层，只训练yolo最后分类几层。下载官网的代码，运行一下脚本得到yolov3-tiny.conv.15：

./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15

（上面并没看懂，雾）我直接下载的yolov3-tiny.conv.15：
链接：https://pan.baidu.com/s/1o6g3jendNfCuoRqdRQ-eUg
提取码：5ufi

训练

修改train.py中main函数的parser参数，主要是yolo.cfg文件位置，rbc.data文件位置，还有epochs、batch size等超参数，直接运行就好了。
测试test.py，测试图片位置默认在data\samples，输出在outputs文件夹