【YOLOv3】训练自己的数据集

参考链接
https://blog.youkuaiyun.com/qq_33728095/article/details/116331714
https://github.com/ultralytics/yolov3/tree/archive

1. 创建VOC数据集

2. Annotations 放置 标注文件 xml, 和 images 为训练图片。

3. 创建make_txt.py文件，放到和data的同级目录下。

4. 创建voc_label.py
   文件首先解析xml文件，并且设置类别标签（注意修改自己的类别名称）。每一个xml文件对应一个txt文本，保存在data/labels文件夹下.
   然后在data目录下生成4个txt文本，保存图片的路径。

5. 创建test2sample.py 将测试集放入推理文件中

6. yolo.data yolo.names
   修改类别名称，数据集路径如下。

7. 修改.cfg文件
   修改classes = 自己的类别数，
   修改yolo层上面的卷积层的filters = 3*(类别数+4+1)。
   对于yolov3-tiny 需要修改两处，因为两个输出层，v3需要三处。

8. 修改train.py。
   这几个地方改成自己对应的文件路径。
   epochs batch-size cfg data weights

9. utils/datasets.py 中的292行,删除JPEGImages 。
   

10. 训练/推断

python train.py --data data/yolo.data --cfg cfg/yolov3-tiny.cfg --epochs 300 --weights weights/
 python detect.py --names data/yolo.names --source data/samples/ --cfg cfg/yolov3-tiny.cfg --weights weights/best.pt