YOLOv3 网络搭建Darknet53 训练自己的数据集

YOLOv3官网

一、编译darknet53

1.下载darknet53文件

git clone https://github.com/AlexeyAB/darknet

2.修改Makefile文件

  在darknet文件夹下找到Makefile文件，修改：（如果没有GPU加速的话，就不用修改了。）

GPU=1   
CUDNN=1 
OPENCV=1

另外，OPENCV需要提前安装好。

3.编译darkent53

cd darknet
make

二、下载预训练权重文件

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

三、测试编译好的darknet

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
  运行结束后，可以查看输出的predictions.jpg，直接点开图片即可，也可以运行：
diaplay predicions.jpg

四、训练自己的数据

1.准备自己的数据集

  将数据图片和标签(txt)放到一个文件夹obj里，将obj文件夹复制到darknet/data文件夹下。可以使用公开的数据集，下载方式。

  在darknet/文件夹下创建一个generate_train.py,将下面代码复制进去并运行：

import os
image_files = []
os.chdir(os.path.join("data", "obj"))
for filename in os.listdir(os.getcwd()):
    if filename.endswith(".jpg"):
        image_files.append("data/obj/" + filename)
os.chdir("..")
with open("train.txt", "w") as outfile:
    for image in image_files:
        outfile.write(image)
        outfile.write("\n")
    outfile.close()
os.chdir("..")

  然后到darknet/data文件夹下看是否生成了一个train.txt文件。

2.obj.names文件

  在darknet/data文件夹下创建obj.names文件，里面存放需要识别的物体的名字（我们以识别两个物体为例，分别是Car和Bird）,例如：

Car 
Bird

3.obj.data文件

  在darknet/data文件夹下添加obj.data文件。
darknet/data/obj.data
  输入内容如下：其中train.txt为训练集保存路径，test.txt为测试集保存路径

classes=2                    
train = /data/train.txt      
validation = /data/test.txt  
names=data/obj.names         
backup=backup/         

4. yolov3.cfg文件

  在darknet/cfg文件夹下找到yolov3.cfg文件，复制一份更名为yolov3-custom.cfg文件，我们修改复制之后的文件，源文件不动。

打开yolov3-custom.cfg文件：

• 在[net]层修改：
  -将#Testing下面两行用#注释掉;
  -将#Training 下面两行的注释打开;
  其余修改如下：

burn_in=1000    
max_batches=6000   (训练6000次)
steps=4800,5400    (设置为0.8倍的max_batches和0.9倍的max_batches）

• 在[yolo]层修改：
  -在文本中搜索yolo，找到[yolo]层。下面的classes=2，random=0,上面一层的[convolutional]的filters=21,[21=(2+5)*3，2是类别数，如果是80类则应该写(80+5)*3=255]。
  这种[yolo]层一共有3处，都要修改。
  

5.训练模型

下载darknet53预训练权重：
wget https://pjreddie.com/media/files/darknet53.conv.74

开始训练：
./darknet detector train data/obj.data cfg/yolov3-custom.cfg darknet53.conv.74

这里需要训练一段时间，下面是训练结果（6000次训练）：

6.测试图片

  首先复制一份yolov3-custom.cfg 并更名为yolov3-custom_test.cfg, 修改的位置如下：

运行：
./darknet detector test data/obj.data cfg/yolov3-custom-test.cfg backup/yolov3-custom_final.weights data/person.jpg

显示结果如下：