【轉發】實現yolo3模型訓練自己的數據集總結

　　原文鏈接：實現yolo3模型訓練自己的數據集總結

　　經過兩天的努力，借鑒網上眾多博客，在自己電腦上實現了使用yolo3模型訓練自己的數據集並進行測試圖片。本文主要是我根據下面參考文章一步步實施過程的總結，可能沒參考文章中那么詳細，但是會包含一些參考文章中沒提及的容易掉坑的小細節，建議讀者結合參考文章一起看，一步步走即可。首先貼出本文主要參考的文章以及代碼出處：

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

參考文章：https://blog.csdn.net/patrick_Lxc/article/details/80615433

一.下載項目源碼，進行快速測試

　　從上面代碼鏈接處下載整個項目源碼。下載好后，首先根據github中指引進行快速測試。

　　yolo web：https://pjreddie.com/darknet/yolo

　　對應操作如下（命令行操作）：

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

　　注釋：這里wget為linux命令，windows系統可以直接訪問后面鏈接來下載yolov3權重文件，也可以訪問yolo web去下載。

　　2. python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

　　注釋：執行convert.py文件，此為將darknet的yolo轉換為可以用於keras的h5文件，生成的h5被保存在model_data下。命令中的convert.py和yolov3.vfg克隆下來后已經有了，不需要單獨下載。

　　3.用已經被訓練好的yolo.h5進行圖片識別測試。執行：python yolo.py

　　執行后會讓你輸入一張圖片的路徑，因為我准備的圖片（網上隨便找的）放在yolo.py同級目錄，所以直接輸入圖片名稱，沒有加路徑。

　　過程和結果如下圖所示：

　　以上結果表明快速開始項目成功，接下來我們進行搭建自己的數據集，進行模型的訓練以及訓練后模型用於測試圖片識別。

二.准備自己的數據集

　　可以按照上面參考文章里面做法下載VOC數據集，然后清空里面內容，保留文件目錄結構。也可以直接手動創建如下目錄結構：

　　這里面用到的文件夾是Annotation、ImageSets和JPEGImages。注意：需要在VOC2007再創建一個上級目錄VOCdevkit。

　　其中文件夾Annotation中主要存放xml文件，每一個xml對應一張圖像，並且每個xml中存放的是標記的各個目標的位置和類別信息，命名通常與對應的原始圖像一樣；而ImageSets我們只需要用到Main文件夾，這里面存放的是一些文本文件，通常為train.txt、test.txt等，該文本文件里面的內容是需要用來訓練或測試的圖像的名字；JPEGImages文件夾中放我們已按統一規則命名好的原始圖像。

　　原始圖片就不解釋了，而與原始圖片一 一對應的xml文件，可以使用LabelImg工具，具體使用方法百度即可。工具可以從參考的博客中的附帶地址下載，也可以自己網上找，很容易。

　　將自己的圖片以及xml按照要求放好后，在VOC2007的同級目錄下建立convert_to_txt.py文件，拷貝下面的代碼，然后運行該py文件。該代碼是讀取上面的xml文件中圖片名稱，並保存在ImageSets/Main目錄下的txt文件中。注意：此處txt中僅有圖片名稱。

代碼：

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()

　　然后，回到從github上下載的源碼所在目錄，執行其中的voc_annotation.py，會在當前目錄生成新的三個txt文件，手動去掉名稱中2007_部分。當然，可以自己進入voc_annotation.py修改代碼，使生成的txt文件名中不包含2007_。

　　注意：一開始VOC2007，也可以叫VOC2008之類，這樣此處的txt就會成為2008_xxx.txt。此外，有一個很關鍵的地方需要注意，必須修改，不然此處生成的三個新的txt文件中僅僅比前面Main下的txt中多了圖片路徑而已，並不包含框box的信息，這樣的話在后面的訓練步驟，由於沒有框的信息，僅僅是圖片路徑和名稱信息，是訓練不好的，即使可以得到訓練后的h5文件，但是當用這樣的h5文件去執行類似前面所說的測試圖片識別，效果就是將整幅圖框住，而不是框住你所要識別的部分。

　　故所要做的是：在執行voc_annotation.py之前，打開它，進行修改。將其中最上面的sets改為你自己的，比如2012改為我得2007，要和前面的目錄年份保持一致。還需要將最上面的classes中的內容，改為你自己xml文件中object屬性中name屬性的值。你有哪些name值，就改為哪些，不然其中讀取xml框信息的代碼就不會執行。

上面是我的xml中一個object截圖，這里的name實際上為你用LableIma工具畫框時候給那個框的命名值。

至此，自己數據集的准備工作就完成了。

三.修改一些文件，然后執行訓練

　　首先是修改model_data下的文件，放入你的類別，coco,voc這兩個文件都需要修改。這里的命名會成為最終檢測圖片時候框的框上的名稱。

　　其次是yolov3.cfg文件

　　這一步事后我和同學討論了下，得出的結論是，從0開始訓練自己的模型，則不需要下面的修改步驟，而如果想用遷移學習思想，用已經預訓練好的權重接着訓練，則需要下面的修改步驟。

　　DE里直接打開cfg文件，ctrl+f搜 yolo, 總共會搜出3個含有yolo的地方。

　　每個地方都要改3處，filters：3*（5+len（classes））；

                                   　　 classes: len(classes) = 1，我只識別一種，所以為1

                                   　　 random：原來是1，顯存小改為0   

　　如果要用預訓練的權重接着訓練，則需要執行以下代碼：然后執行原train.py就可以了。原train.py中有加載預訓練權重的代碼，並凍結部分層數，在此基礎上進行訓練。可以修改凍結層數。

　　python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5

這個在github和參考的文章中均提到。

如果不用預訓練的權重，上一步不用執行（執行也沒影響），但是下面的train.py需要修改，改為如下所示（代碼出處為上文提到的參考博客中）：直接復制替換原train.py即可

"""
Retrain the YOLO model for your own dataset.
"""
import numpy as np
import keras.backend as K
from keras.layers import Input, Lambda
from keras.models import Model
from keras.callbacks import TensorBoard, ModelCheckpoint, EarlyStopping
 
from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
from yolo3.utils import get_random_data
 
 
def _main():
    annotation_path = 'train.txt'
    log_dir = 'logs/000/'
    classes_path = 'model_data/voc_classes.txt'
    anchors_path = 'model_data/yolo_anchors.txt'
    class_names = get_classes(classes_path)
    anchors = get_anchors(anchors_path)
    input_shape = (416,416) # multiple of 32, hw
    model = create_model(input_shape, anchors, len(class_names) )
    train(model, annotation_path, input_shape, anchors, len(class_names), log_dir=log_dir)
 
def train(model, annotation_path, input_shape, anchors, num_classes, log_dir='logs/'):
    model.compile(optimizer='adam', loss={
        'yolo_loss': lambda y_true, y_pred: y_pred})
    logging = TensorBoard(log_dir=log_dir)
    checkpoint = ModelCheckpoint(log_dir + "ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5",
        monitor='val_loss', save_weights_only=True, save_best_only=True, period=1)
    batch_size = 10
    val_split = 0.1
    with open(annotation_path) as f:
        lines = f.readlines()
    np.random.shuffle(lines)
    num_val = int(len(lines)*val_split)
    num_train = len(lines) - num_val
    print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
 
    model.fit_generator(data_generator_wrap(lines[:num_train], batch_size, input_shape, anchors, num_classes),
            steps_per_epoch=max(1, num_train//batch_size),
            validation_data=data_generator_wrap(lines[num_train:], batch_size, input_shape, anchors, num_classes),
            validation_steps=max(1, num_val//batch_size),
            epochs=500,
            initial_epoch=0)
    model.save_weights(log_dir + 'trained_weights.h5')
 
def get_classes(classes_path):
    with open(classes_path) as f:
        class_names = f.readlines()
    class_names = [c.strip() for c in class_names]
    return class_names
 
def get_anchors(anchors_path):
    with open(anchors_path) as f:
        anchors = f.readline()
    anchors = [float(x) for x in anchors.split(',')]
    return np.array(anchors).reshape(-1, 2)
 
def create_model(input_shape, anchors, num_classes, load_pretrained=False, freeze_body=False,
            weights_path='model_data/yolo_weights.h5'):
    K.clear_session() # get a new session
    image_input = Input(shape=(None, None, 3))
    h, w = input_shape
    num_anchors = len(anchors)
    y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l], \
        num_anchors//3, num_classes+5)) for l in range(3)]
 
    model_body = yolo_body(image_input, num_anchors//3, num_classes)
    print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))
 
    if load_pretrained:
        model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
        print('Load weights {}.'.format(weights_path))
        if freeze_body:
            # Do not freeze 3 output layers.
            num = len(model_body.layers)-3
            for i in range(num): model_body.layers[i].trainable = False
            print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))
 
    model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
        arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(
        [*model_body.output, *y_true])
    model = Model([model_body.input, *y_true], model_loss)
    return model
def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    np.random.shuffle(annotation_lines)
    i = 0
    while True:
        image_data = []
        box_data = []
        for b in range(batch_size):
            i %= n
            image, box = get_random_data(annotation_lines[i], input_shape, random=True)
            image_data.append(image)
            box_data.append(box)
            i += 1
        image_data = np.array(image_data)
        box_data = np.array(box_data)
        y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)
        yield [image_data, *y_true], np.zeros(batch_size)
 
def data_generator_wrap(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    if n==0 or batch_size<=0: return None
    return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)
 
if __name__ == '__main__':
    _main()   

　　我是在cpu版本tensorflow上跑的，故特別慢，有運算資源的就不說了，如果資源有限，建議少弄些圖片和xml文件，這樣最后的txt文件中數據就少，跑起來輕松點。其次可以修改train.py中的迭代次數epochs的值，該值原作者設置的為500；也可以修改batch_size = 10的大小。

　　注意：我第一次訓練時候，確實在目錄下自動生成了logs文件夾，並在其中生成000文件夾，然后里面放的是自己訓練好的h5文件。但是后來我調試代碼，刪除該目錄，再次訓練時，報如下錯誤：

 

　　此時只需要手動創建logs文件夾和其內的000文件夾即可。嫌名字不好，可以自己修改train.py文件，改里面的保存目錄。

　　下面為成功測試截圖：

　　四.用自己訓練的h5文件進行測試

　　先修改yolo.py文件中的模型路徑，如下所示，改為自己訓練后生成的h5文件路徑。

　　然后執行，測試過程和前面所講一樣，因為我得沒怎么訓練，就不貼出很挫的測試效果圖了。在最初沒有框信息的txt文件訓練后，執行測試很慢，因為訓練時候根本不知道要框什么，改為正常txt后，訓練后的模型進行測試，速度就會很快。