一、标注工具位置（labelimg）
https://github.com/tzutalin/labelImg
可参照github上的readme.mdmacOS(Python 3 + Qt5)方式打开软件
1、运行软件
添加label并设置名称
2、保存后的文件为xml格式
二、下载编译darknet
YOLOV3使用一个开源的神经网络框架Darknet53，使用C和CUDA，有CPU和GPU两种模式。默认使用的是CPU模式，需要切换GPU模型的话，vim修改Makefile文件。
1、拉取darknet
git clone https://github.com/pjreddie/darknet
cd darknet
2、修改配置⽂文件Makefile(如何使⽤用gpu可参考)
vim Makefile #如果使用CPU模式。则不用修改Makefile文件
GPU=1 #如果使⽤用GPU设置为1，CPU设置为0
CUDNN=1 #如果使⽤用CUDNN设置为1，否则为0
OPENCV=0 #如果调⽤用摄像头，还需要设置OPENCV为1，否则为0 OPENMP=0 #如果使⽤用OPENMP设置为1，否则为0
DEBUG=0 #如果使⽤用DEBUG设置为1，否则为0
3、开始编译
make
4、下载yolov3预训练模型
wget https://pjreddie.com/media/files/yolov3.weights
5、测试
编译成功后，可以先用下载好的预训练模型测试一下效果
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
三、准备数据集、训练、测试
1、在darknet⽬目录下创建myData⽂文件夹，⽬目录结构如下，将之前标注好的图⽚片和xml⽂文件放到对应⽬目录下
将⾃自⼰己的数据集图⽚片拷⻉贝到JPEGImages⽬目录下。
将数据集label⽂文件拷⻉贝到Annotations⽬目录下。
在myData下创建test.py，将下⾯面代码拷⻉贝进去运⾏行行，将⽣生成四个⽂文件: train.txt,val.txt,test.txt和trainval.txt。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
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()
运行test.py
注：运行之前需要修改Annotations文件夹下xml文件图片路径
雪茄银行样板
IMG_9274.JPG
/Users/kuangzihan/Desktop/myData/JPEGImages/IMG_9274.JPG
运行后生成4个txt文件
2、将数据转换成darknet⽀支持的格式
yolov3提供了了将VOC数据集转为YOLO训练所需要的格式的代码，在scripts/voclabel.py⽂文件中。这⾥里里提供⼀一个修改版本的。在darknet⽂文件夹下新建⼀一个mylables.py⽂文件，内容如下:
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets=[('myData', 'train')]
classes = ["cigar"]
def convert(size, box):
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[1])/2.0
y = (box[2] + box[3])/2.0
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):
print "27line image_id: %s" %(image_id)
in_file = open('myData/Annotations/%s.xml'%(image_id))
out_file = open('myData/labels/%s.txt'%(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:
print "52line year: %s image_set:%s" %(year, image_set)
if not os.path.exists('myData/labels/'):
os.makedirs('myData/labels/')
image_ids = open('myData/ImageSets/Main/%s.txt'%(image_set)).read().strip().split()
list_file = open('myData/%s_%s.txt'%(year, image_set), 'w')
for image_id in image_ids:
print "58line image_id: %s" %(image_id)
list_file.write('%s/myData/JPEGImages/%s.jpg\n'%(wd, image_id))
convert_annotation(year, image_id)
list_file.close()
3、运⾏行行该脚本
python mylables.py
会在./myData⽬目录下⽣生成⼀一个labels⽂文件夹⼀一个txt⽂文件(myData_train.txt)(内容是: 类别的编码和⽬目标的相对位置)。 lables⽂文件中的‘txt⽂文件的含义为:
同理理如果要⽣生成训练数据 sets=[('myData', 'train')] 改为sets=[('myData', 'train'), ('myData', 'test')] 具体的每⼀一个值的计算⽅方式是这样的:假设⼀一个标注的boundingbox的左下⻆角和右上⻆角坐标分别为(x1,y1)(x2,y2)，图像的宽和⾼高分别为w,h 归⼀一化的中⼼心点x坐标计算公式:((x2+x1) / 2.0)/ w
归⼀一化的中⼼心点y坐标计算公式:((y2+y1) / 2.0)/ h 归⼀一化的⽬目标框宽度的计算公式: (x2-x1) / w 归⼀一化的⽬目标框⾼高度计算公式:((y2-y1)/ h
4、修改darknet/cfg下的voc.data和yolov3-voc.cfg⽂文件
为了了保险起⻅见，复制这两个⽂文件，并分别重命名为mydata.data和myyolov3.cfg my_data.data。
mydata.data内容:
classes= 1
classes= 1
train = /myData/myData_train.txt
valid = /myData/myData_test.txt
names = /myData/myData_test.txt
backup = /myData/backup
ctrl+f 搜 yolo, 总共会搜出3个含有yolo的地方。
每个地方都必须要改2处， filters：3*（5+len（classes））；
其中：classes: len(classes) = 20，这里以上述的20个类为例
filters = 75
classes = 20
可修改：random = 1：原来是1，显存小改为0。（是否要多尺度输出。）
5、可以指定训练批次和训练轮数
yolov3-voc.cfg参数理解
[net]
# Testing 测试模式
# batch=1
# subdivisions=1
# Training 训练模式
batch=64 一批训练样本的样本数量，每batch个样本更新一次参数
subdivisions=16 batch/subdivisions作为一次性送入训练器的样本数量,如果内存不够大，将batch分割为subdivisions个子batch
上面这两个参数如果电脑内存小，则把batch改小一点，batch越大，训练效果越好
subdivisions越大，可以减轻显卡压力
width=416 input图像的宽
height=416 input图像的高
channels=3 input图像的通道数
以上三个参数为输入图像的参数信息 width和height影响网络对输入图像的分辨率，
从而影响precision，只可以设置成32的倍数
momentum=0.9 [?]DeepLearning1中最优化方法中的动量参数，这个值影响着梯度下降到最优值得速度https://nanfei.ink/2018/01/23/YOLOv2%E8%B0%83%E5%8F%82%E6%80%BB%E7%BB%93/#more
decay=0.0005 [?]权重衰减正则项，防止过拟合.每一次学习的过程中，将学习后的参数按照固定比例进行降低，为了防止过拟合，decay参数越大对过拟合的抑制能力越强。
angle=0 通过旋转角度来生成更多训练样本
saturation = 1.5 通过调整饱和度来生成更多训练样本
exposure = 1.5 通过调整曝光量来生成更多训练样本
hue=.1 通过调整色调来生成更多训练样本
learning_rate=0.001 学习率决定着权值更新的速度，设置得太大会使结果超过最优值，太小会使下降速度过慢。
如果仅靠人为干预调整参数，需要不断修改学习率。刚开始训练时可以将学习率设置的高一点，
而一定轮数之后，将其减小
在训练过程中，一般根据训练轮数设置动态变化的学习率。
刚开始训练时：学习率以 0.01 ~ 0.001 为宜。
一定轮数过后：逐渐减缓。
接近训练结束：学习速率的衰减应该在100倍以上。
学习率的调整参考https://blog.csdn.net/qq_33485434/article/details/80452941
burn_in=1000 在迭代次数小于burn_in时，其学习率的更新有一种方式，大于burn_in时，才采用policy的更新方式
max_batches = 20200 训练达到max_batches后停止学习
policy=steps 这个是学习率调整的策略，有policy：constant, steps, exp, poly, step, sig, RANDOM，constant等方式
参考https://nanfei.ink/2018/01/23/YOLOv2%E8%B0%83%E5%8F%82%E6%80%BB%E7%BB%93/#more
steps=40000,45000 下面这两个参数steps和scale是设置学习率的变化，比如迭代到40000次时，学习率衰减十倍。
scales=.1,.1 45000次迭代时，学习率又会在前一个学习率的基础上衰减十倍
[convolutional]
batch_normalize=1 是否做BN
filters=32 输出特征图的数量
size=3 卷积核的尺寸
stride=1 做卷积运算的步长
pad=1 如果pad为0,padding由 padding参数指定;如果pad为1，padding大小为size/2，padding应该是对输入图像左边缘拓展的像素数量
activation=leaky 激活函数的类型
# Downsample
[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky
[shortcut]
from=-3
activation=linear
# Downsample
......
# Downsample
######################
[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky
[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky
[convolutional]
batch_normalize=1
filters=512
size=1
stride=1
pad=1
activation=leaky
[convolutional]
batch_normalize=1
size=3
stride=1
pad=1
filters=1024
activation=leaky
[convolutional]
size=1
stride=1
pad=1
filters=45 每一个[region/yolo]层前的最后一个卷积层中的 filters=(classes+1+coords)*anchors_num，
其中anchors_num 是该层mask的一个值.如果没有mask则 anchors_num=num是这层的ancho
5的意义是5个坐标，论文中的tx,ty,tw,th,to
activation=linear
[yolo] 在yoloV2中yolo层叫region层
mask = 6,7,8 这一层预测第6、7、8个 anchor boxes ，每个yolo层实际上只预测3个由mask定义的anchors
anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326
[?]anchors是可以事先通过cmd指令计算出来的，是和图片数量，width,height以及cluster(应该就是下面的num的值，
即想要使用的anchors的数量)相关的预选框，可以手工挑选，也可以通过kmeans 从训练样本中学出
classes=10 网络需要识别的物体种类数
num=9 每个grid cell预测几个box,和anchors的数量一致。当想要使用更多anchors时需要调大num，且如果调大num后训练时Obj趋近0的话可以尝试调大object_scale
jitter=.3 [?]利用数据抖动产生更多数据，YOLOv2中使用的是crop，filp，以及net层的angle，flip是随机的，
jitter就是crop的参数，tiny-yolo-voc.cfg中jitter=.3，就是在0~0.3中进行crop
ignore_thresh = .5 决定是否需要计算IOU误差的参数，大于thresh，IOU误差不会夹在cost function中
truth_thresh = 1
random=0 如果为1，每次迭代图片大小随机从320到608，步长为32，如果为0，每次训练大小与输入大小一致
[route]
layers = -4
......
#可以添加没有标注框的图片和其空的txt文件，作为negative数据
#可以在第一个[yolo]层之前的倒数第二个[convolutional]层末尾添加 stopbackward=1,以此提升训练速度
#即使在用416*416训练完之后，也可以在cfg文件中设置较大的width和height，增加网络对图像的分辨率，从而更可能检测出图像中的小目标，而不需要重新训练
#Out of memory的错误需要通过增大subdivisions来解决
因为是训练，所以注释Testing,打开Training，其中
batch=64 每batch个样本更更新⼀一次参数。
subdivisions=16 如果内存不不够⼤大，将batch分割为subdivisions个⼦子batch，每个⼦子batch的⼤大⼩小为batch/subdivisions(实验⽤用的batch=32 subdivisions=16)。
6、在myData⽂文件夹下新建myData.names⽂文件
cigar
7、下载预训练权重
wget https://pjreddie.com/media/files/darknet53.conv.74
8、开始训练
./darknet detector train cfg/my_data.data cfg/my_yolov3.cfg data/voc/VOCdevkit/VOC2020/weights/my_yolov3_last.weights -gups 0,1,2,3
查看gpu信息
9、测试
修改cfg/my_yolov3.cfg
[net]
# Testing
batch=1
subdivisions=1
# Training
#batch=32
#subdivisions=8
修改cfg/coco.names
cigar
./darknet detect cfg/my_yolov3.cfg data/voc/VOCdevkit/VOC2020/weights/my_yolov3_last.weights /home/lizhigang/darknet/data/voc/VOCdevkit/V OC2020/JPEGImages/000000.jpg