windows下使用tensorflow版的yolov3训练自己的数据

       最近在学习使用yolov3训练自己的数据，百度上找到了很多使用yolov3训练自己的数据的教程，自己也是踩了很多坑最后才顺利训练了自己的数据，下面记录下自己训练自己数据的过程。

     总结来说，快速训练自己的数据需要建立自己的数据集（或者使用自己感兴趣的公开数据集）、将数据集的文件格式改成和要求所需一样的格式、将数据集的格式转换为tfrecorde格式的数据集、使用k-means聚类算法得到自己数据集的anchors、训练、将训练得到的权重文件转换成pb格式的文件进行图片或者视频的预测。

第一步：下载github上大佬写的tensorflow版的yolov3，https://github.com/YunYang1994/tensorflow-yolov3，yolo系列的原理网上有很多人的解读，介绍的很详细，我是看博客专家木盏大神的解读，他对yolo所有版本的解读都很详细，https://blog.youkuaiyun.com/lev iopk u/article/details/82660381。

第二步，也是需要自己动手最多的一步，数据集的准备，如果用自己标注的数据集进行训练的话，需要使用标注工具对数据集进行标注，大家使用最多的标注工具是LabelImg，使用教程参考   https://blog.youkuaiyun.com/u012746060/article/details/81016993。此版本的yolov3的代码提供者要求数据的格式为：图片数据的路径  groundtruth的坐标 类别标签，中间使用空格分开，如下图所示。

image_path x_min y_min x_max y_max class_id  x_min y_min ... class_id

也就是说，不管你是自己制作的数据集还是使用公开的数据集，在这一步都要将格式转换成这样。我这里是进行交通标志的识别，使用的是公开数据集GTSDB。如果是使用LabelImg制作的数据集，其生成的文件是XML格式的数据，如下图，我自己建立了两类的数据集：

  

对于XML文件的解析，https://blog.youkuaiyun.com/weixin_39274753/article/details/82221859总结的很详细，我使用的方法是ElementTree，这个不难，简述下思路，导入xml.etree.ElementTree模块，使用ElementTree.parse()函数来获取树，使用ElementTree.parse().getroot()来获取根节点，可以使用ElementTree.parse().getroot().tag获取标签名，使用ElementTree.parse().getroot().attrib获取属性（返回的是字典）。Element对象有一个iter方法，可以对某个元素对象之下所有的子元素进行深度优先遍历（DFS）。ElementTree对象同样也有这个方法。针对上面的XML文件，使用这个方法对XML文件中的所有object进行遍历，然后使用find('name').text和find('bndbox').find('xmin').text.....获取标签和groundtruth的坐标，path是图片的路径，最后将获取的这些按照上面yolov3需要的格式写入txt文件中，数据集便制作完成了。、

第二步：修改convert_tfrecord.py文件中的数据集路径对应自己建立的数据集，然后运行，将数据集转换成tfrecorde格式的数据，同样修改k-means.py文件中的数据集路径，获得对应自己数据集的anchors，注意，代码的作者在这里将anchors的尺寸进行了归一化。所以刚开始看到生成的anchors尺寸很小也不要惊讶，这是正确的结果。

第三步：下载预训练权重yolov3.weights，运行convert_weights.py将权重转换

第四步：修改文件quick_train.py中的文件路径，anchors等，进行训练

第五步：运行quick_test.py进行图片测试，video_demo.py进行视频测试，效果图图下所示：