YOLOV3在win10+VS2015+darknet环境下的学习运用----------二、训练自己的数据集

最新推荐文章于 2022-01-18 12:16:41 发布

boom-95

最新推荐文章于 2022-01-18 12:16:41 发布

阅读量781

点赞数 1

CC 4.0 BY-SA版权

分类专栏： yoloV3 深度学习文章标签： YOLOV3

本文链接：https://blog.youkuaiyun.com/weixin_43012674/article/details/103050240

本文详细介绍了在Windows 10环境下，使用Visual Studio 2015和darknet框架训练YOLOV3模型的过程，包括数据集准备、txt标签与list文件生成、配置文件修改以及训练与测试的步骤。通过LabelImg标注数据，修改voc_label.py、voc.data、voc.names和yolov3.cfg文件，然后在darknet中进行训练，最后分析训练日志以评估模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在win10上使用darknet成功运行yolov3的demo后，发现对于yolov3使用darknet比使用tf好用得多，训练自己数据集步骤如下
1·准备数据集
自己标注自己的数据集，我用的是LabelImg，win10下载地址
每一个图片名对应的有一个相应名字的label.xml。
之后在scripts文件夹下的VOC2007文件夹中Images放所有的训练图片，annotation放所有的xml标记文件。在这里插入图片描述
2.生成txt标签和list文件
先运行test.py文件，生成train.txt文件，目录下使用python test.py即可
修改voc_label.py，如图，将类改成自己的类。这个文件就是根据Main中txt里的文件名，生成相应的txt，里面存放的是它们的路径运行voc_label.py文件，运行后会在scripts/VOCdevkit/VOC2007下生成label文件夹
在这里插入图片描述
修改voc.data，根据自己的classes和文件路径