YOLOv3训练自定义数据【超级简明，亲测有效】

最新推荐文章于 2025-07-01 10:56:57 发布
原创 最新推荐文章于 2025-07-01 10:56:57 发布 · 2.2k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

手动收集一批手机图片，然后训练一个能够识别手机的YOLOv3模型，最终效果如下图所示：

 

感谢untilyouydc博主提供的轮子，可以很方便的爬取百度图片

https://blog.youkuaiyun.com/qq_40774175/article/details/81273198

????????????????????????

 

 

????????????????????????

 

 

本次测试在服务器上的目录为/data_1/git/

  • 下载darknet工程
cd /data_1/git/

git clo
最低0.47元/天 解锁文章

200万优质内容无限畅学
YOLOv3训练自定义数据集
weixin_50008473的博客
03-28 4143
1. 下载YOLOv3和权重文件 YOLOv3:git clone https://github.com/pjreddie/darknet yolov3.weights：wget https://pjreddie.com/media/files/yolov3.weights darknet53.conv.74：wget https://pjreddie.com/media/files/darknet53.conv.74 2. 数据集处理 （1）在scripts文件夹下按如下目录创建VOCdevkit 文件夹
简单三步 用YOLOv5/v7快速训练自己的数据集（新增转换划分脚本）
YOLOv8项目贡献者
04-28 2万+
Yolov5训练自己的数据集教程
yolov3训练自定义数据集
qq_20241587的博客
01-06 1362
使用yolov3（https://github.com/pjreddie/darknet）训练自己的数据集，数据集大概一千张图，两个类别。 0 使用labelimg 标注数据。 如对 aaa.jpg 文件进行标注，画一个框，类别为人，标注的结果是生成一个 aaa.txt 文件，内容为 class ,x,y,w,h 1 clone 项目 git clone https://github.com/pjreddie/darknet cd darknet 2 找到makefile文件，进行一些修改.
YOLOV8使用及训练自定义数据集记录
最新发布
qq_51355375的博客
07-01 1121
YOLOV8使用及训练自定义数据集记录
【笔记】YOLOv3训练自己的数据集(2)——训练和测试训练效果
csdn_zhishui的博客
12-30 3230
环境：Ubuntu18.04 GTX1080 文章目录3 训练3.1 修改配置文件3.1.1 修改类别名称显示文件`darknet/data/voc.names`3.1.2 修改数据文件`darknet/cfg/voc.data`3.1.3 修改配置文件 `darknet/cfg/yolov3-voc.cfg`3.2 开始训练3.2.1 从预训练模型开始训练3.2.2 从头开始训练3.2.3 控...
【测试集mAP】yolov5中计算测试集mAP，修改类别序号为类别名称
weixin_44772147的博客
01-13 5256
yolov5计算测试集mAP
python：yolov算法修改数据集txt标签类别
weixin_46288319的博客
11-07 1939
python：yolov算法修改数据集txt标签类别
目标检测yolov5__v6.0版，pytorch实现，标注，增强，训练自定义数据集全
09-28
本篇文章将详细介绍如何使用PyTorch框架实现YOLOv5的v6.0版本，以及如何对自定义数据集进行标注、增强和训练的完整流程。 一、YOLOv5概述 YOLOv5是YOLO系列的改进版，它继承了YOLO家族速度快、精度高的特点，并在...
YOLOV8实例分割（环境配置+搭建模型+数据集制作+训练+预测全套）
m0_63172128的博客
07-29 1万+
双击exe——Next——I Argee——just me ——选择路径（建议自定义，不要安装到c盘，且安装路径不要出现中文）——两个勾都勾上，不然配置环境很麻烦——Install——接下来页面两个勾不选——fnish完成安装。接下来进入自己虚拟环境，前面base变成了自己的环境名称，就可以接下来在这个环境里为所欲为了，安装卸载，即使弄错了，去anaconda安装路径找envs文件夹，里面有你的虚拟环境可以整个复制或者删除。点开能进入命令框，输入python，可以看到python版本。
玉米好坏检测数据集，对2357张玉米图片进行yolov7pytorch格式的人工标注，平均准确率在89.5%以上
12-14
这一点在描述中得到了强调，说明该数据集在经过严格的标注后，能够达到平均准确率89.5%以上，这个结果表明数据集具有很高的质量，能够有效支持训练和验证深度学习模型。 数据集被划分为三个部分：train（训练集）、...
Transformer模型-数据预处理，训练，推理（预测）的简明介绍
Ankie资深技术项目经理
04-11 2581
Transformer模型-数据预处理，训练，推理（预测）的简明介绍。 在继续探讨之前，假定已经对各个模块的功能有了充分的了解，我们从头梳理一遍流程。
修改标注文件的类别
cqjnovo的博客
04-10 359
功能描述：数据集里原来是具有4个类别yolo格式标注的 txt文件，现在需要把这四个类别合并成一个类别，所以就使用以下这个脚本读取源标注文件中的每一行的类别id，如果id!
yolov3算法检测单类物体
z649431508的博客
08-29 2万+
yolov3是目前目标检测类检测效果和检测速度最好的算法，原版的yolov3检测的物体种类众多，本文实在原有yolov3上将多累物体检测简化为单类物体检测，本文的原始代码基于github上copy的，源码下载地址为：https://github.com/qqwweee/keras-yolo3 根据作者提供的代码我们可以测试、训练我们的数据集，原文已做详细叙述如何训练测试代码，不做过多叙述。 单...
YOLOv3训练自己的数据详细步骤
热门推荐
不忘初心~
06-09 10万+
1. 下载YOLOv3工程项目 git clone https://github.com/pjreddie/darknet cd darknet 2. 修改Makefile配置，使用GPU训练，修改如下： GPU=1 #如果使用GPU设置为1，CPU设置为0 CUDNN=1 #如果使用CUDNN设置为1，否则为0 OPENCV=0 #如果调用摄像头，还需要设置OPENCV为1，...
YOLOV3实战6：显示中文标签（YOLOV3中文标签）
phinoo的博客
04-24 1万+
一、番外说明 大家好，我是小P，今天在此给大家分享一下基于DarknetAB版本的YOLOV3如何生成和显示中文标签的方法，效果如下图所示，希望大家支持和喜欢。此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群 813221712 讨论交流，进群请看群公告！（可以点击如下连接直接加入！） 点击链接加入群聊【Object Detection】：https://jq.qq.co...
YOLO_V3 原理以及训练说明
CV_RC的博客
07-17 9万+
yolo_v3目标检测原理 Darknet 训练测试说明   yolo_v3   主要从三个方面来说明，网络的输入、结构、输出。   （1）网络输入：原论文中提到的大小320*320,416*416,608*608。这个大小必须是32的整数倍数，yolo_v3有5次下采样，每次采样步长为2，所以网络的最大步幅（步幅指层的输入大小除以输出）为2^5=32。   （2）网络结构：作者首先训练了...
YOLO3 数据处理与数据加载 Keras源码分析
刘之帅
12-28 466
YOLO3 Keras 源码：https://github.com/qqwweee/keras-yolo3 前言 本文从主要是从源码层面对 YOLO3 的数据处理相关内容进行分析与讲解。通常，一个功能的实现需要多个函数配合，所以我将每个功能的实现函数分为两部分，基础函数 和 实现函数 ： 基础函数：被实现函数所依赖，是实现函数的一部分 实现函数：通过调用基础函数实现功能 源码内容比较多，通过目...
文本检测和文本识别等模型(east,ctpn,yolo2,yolo3)的链接
iamleifeng的博客
11-07 5208
ocr的相关资料文本检测EastCTPNYOLOdensenet 文本检测 East CTPN YOLO densenet
汽车目标检测数据集(YOLOV5格式)：训练与测试图像集
3. 标注格式：标注文件采用的是YOLO系列常用的txt文件格式，这种格式简明扼要，方便模型读取。YOLO格式的标注文件通常包含类别ID和物体在图像中的位置（即边界框的中心坐标、宽度和高度）。 4. 类别说明：数据集只...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值