使用yolo3模型訓練自己的數據集

本項目地址：https://github.com/Cw-zero/Retrain-yolo3

一、運行環境

1. Ubuntu16.04、

2. TensorFlow-gpu 1.4.0 或更高版本、

3. Keras 2.2.4 、

4. numpy 1.15.2(實測1.16.1會報錯)。

二、創建數據集

1. 使用VOC2007數據集的文件結構：

　　文件結構如下圖，可以自己創建，也可以下載VOC2007數據集后刪除文件內容。

　　注：數據集中沒有 test.py，你需要將其拷貝到VOC2007文件夾下。

 

2. 標注圖片：

　　使用LabelImg(https://github.com/tzutalin/labelImg)對訓練圖片進行標注生成標簽，然后將所有圖片放在 JPEGImages 文件夾下，將所有標簽(.xml)放在 Annotations 文件夾下。

3. 划分數據集：

　　python test.py  90%為訓練集(train.txt), 9%為測試集(test.txt), 1%為評估數據集(val.txt)。txt文件保存在 ImageSets/Main 下。

4. 轉換標簽格式：

　　python voc_annotation.py, 在執行之前，需要根據數據集的實際類別，修改voc_annotation.py中的classes(與標注時的class名字一樣)。執行之后，將會得到train.txt、test.txt、val.txt，文本內容是：

　　img_path、box位置(top left bottom right)、類別索引(0 1 2 ...)

三、准備訓練

1.修改yolo3的網絡結構：打開yolo3.cfg，搜索"yolo",如下圖所示，需要修改filters、classes、random，一共可搜索到三處yolo，每處都需要修改。

　　filters = 3x(5+len(classes))

　　classes = len(classes)

　　random:默認是1,顯存小改為0

2. 確認相關依賴文件：

　　a. model_data/voc_classes.txt:與你的class一致,一般需要手動修改;

　　b. model_data/yolo_anchors.txt:確認存在即可;

　　c. model_data/yolo_weights.h5:由 yolov3.weights 轉換得到，需要先下載yolov3.weights，然后 python convert.py yolov3.cfg yolov3.weights model_data/yolo_weights.h5

　　d. 存在logs文件夾

3. 開始訓練：python train.py

 

參考：

https://github.com/qqwweee/keras-yolo3