标签：16px   keras   direction   手动   下载   高版本   类别   tom   color   

使用yolo3模型训练自己的数据集

本项目地址：https://github.com/Cw-zero/Retrain-yolo3

一、运行环境

1. Ubuntu16.04、

2. TensorFlow-gpu 1.4.0 或更高版本、

3. Keras 2.2.4 、

4. numpy 1.15.2(实测1.16.1会报错)。

二、创建数据集

1. 使用VOC2007数据集的文件结构：

　　文件结构如下图，可以自己创建，也可以下载VOC2007数据集后删除文件内容。

　　注：数据集中没有 test.py，你需要将其拷贝到VOC2007文件夹下。

2. 标注图片：

　　使用LabelImg(https://github.com/tzutalin/labelImg)对训练图片进行标注生成标签，然后将所有图片放在 JPEGImages 文件夹下，将所有标签(.xml)放在 Annotations 文件夹下。

3. 划分数据集：

　　python test.py  90%为训练集(train.txt), 9%为测试集(test.txt), 1%为评估数据集(val.txt)。txt文件保存在 ImageSets/Main 下。

4. 转换标签格式：

　　python voc_annotation.py, 在执行之前，需要根据数据集的实际类别，修改voc_annotation.py中的classes(与标注时的class名字一样)。执行之后，将会得到train.txt、test.txt、val.txt，文本内容是：

　　img_path、box位置(top left bottom right)、类别索引(0 1 2 ...)

三、准备训练

1.修改yolo3的网络结构：打开yolo3.cfg，搜索"yolo",如下图所示，需要修改filters、classes、random，一共可搜索到三处yolo，每处都需要修改。

　　filters = 3x(5+len(classes))

　　classes = len(classes)

　　random:默认是1,显存小改为0

2. 确认相关依赖文件：

　　a. model_data/voc_classes.txt:与你的class一致,一般需要手动修改;

　　b. model_data/yolo_anchors.txt:确认存在即可;

　　c. model_data/yolo_weights.h5:由 yolov3.weights 转换得到，需要先下载yolov3.weights，然后 python convert.py yolov3.cfg yolov3.weights model_data/yolo_weights.h5

　　d. 存在logs文件夹

3. 开始训练：python train.py

参考：

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

使用yolo3模型训练自己的数据集

标签：16px   keras   direction   手动   下载   高版本   类别   tom   color   

原文地址：https://www.cnblogs.com/justcoder/p/10520997.html