Yolov3(pytorch)训练自己的数据集（一）

最新推荐文章于 2023-06-08 09:37:26 发布

原创

最新推荐文章于 2023-06-08 09:37:26 发布 · 4.5k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #自动驾驶 #pytorch

本文介绍了使用YOLOv3(pytorch)训练自动驾驶数据集的过程，包括数据准备、数据集转化和配置文件设置。通过DataFountain的四维图新竞赛数据，将原始标注转为YOLOv3所需的格式，涉及txt、xml和data配置文件的修改。

折腾了两天YOLOV3，填了几个坑，记录一下。
使用的代码：https://github.com/ultralytics/yolov3

一、数据准备

1.1 训练集和验证集

为了节省数据集的制作时间，直接利用DataFountain“四维图新”自动驾驶感知算法竞赛的数据，如图所示为其中的一个训练集。
在这里插入图片描述下图为官方给出的数据标注，前四个数字为边框的坐标，第五个数字为目标类别，最后一个为置信度

1.2 数据集转化

对于此代码，需要将数据集转化为如下格式
在这里插入图片描述
images文件夹下的两个文件夹分别存放训练和验证的图片，labels文件夹下的两个文件夹分别存放训练集和验证集的目标txt文件，其中每一张图片对应一个txt文件。
首先将官方给的train.txt文件分成每张图片对应一个txt文件，代码如下

# 把train.txt中的每张图片的信息提取出来
train_txt_dir = '../train.txt'
train_save_txt = './train_txt/'
f = open(train_txt_dir, 'r')
lines = f.readlines()
for line in lines:
    name = line[0:6] + '.txt'
    print(name)
    txtname = train_save_txt + name
    line = line[22:]
    if len(line) == 0:     # 去掉没有目标的图片
       continue
    else:
        file = open(txtname, 'w')
        for content in line.split():
            file.write(content[:-2])
            file.write('\n')
        file.close()

接着将生成的txt文件转化为VOC数据集中的xml格式，代码如下：

import os, sys
import glob
from PIL import Image

img_dir = '/media/tim_mary/study/PycharmProjects/kaggle/PyTorch-YOLOv3/data/adas/images/train'
txt_dir = '/media/tim_mary/study/PycharmProjects/kaggle/PyTorch-YOLOv3/data/adas/data_pro/train_txt'
xml_dir = '/media/tim_mary/study/PycharmProjects/kaggle/PyTorch-YOLOv3/data/adas/data_pro/train_xml'

class_name = ['red', 'green', 'yellow', 'red_left', 'red_right', 'yellow_left',
              'yellow_right', 'green_left', 'green_right', 'red_forward', 'green_forward',
              'yellow_forward', 'horizon_red', 'horizon_green', 'horizon_yellow', 'off',
              'traffic_sign', 'car', 'motor', 'bike', 'bus', 'truck', 'suv', 'express', 'person']

txt_lists = glob.glob(txt_dir + '/*.txt')
img_basenames1 = []
for item in txt_lists:
    img_basenames1.append

最低0.47元/天解锁文章