YOLOv3（keras）训练自己的数据集（voc）

最新推荐文章于 2021-05-02 00:45:20 发布

原创

最新推荐文章于 2021-05-02 00:45:20 发布 · 置顶 · 1.9k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#目标检测 #训练

YOLOv3（keras）训练自己的voc数据集

最近在学习YOLOv3，现在简单的写一篇博客来分享一下自己训练数据集的过程，顺便算是记录一下工作进度和，希望能和大家共同探讨。

一.操作系统及环境

操作系统：windows10
环境：tensorflow-gpu keras-gpu spyder

二.运行测试

首先在 https://github.com/qqwweee/keras-yolo3 上下载好相关代码，然后在YOLO官网上下载预先训练好的权重文件并放置在代码主文件夹内；（下载地址：https://pjreddie.com/media/files/yolov3.weights）然后使用以下命令来转化权重文件:

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

转化结果完成如下图所示：
在这里插入图片描述
最后使用以下命令来运行测试（单张图像）：

python yolo_video.py --image

测试结果
随便找了一张图，结果居然不是很好？！

三.数据集准备

在代码文件夹内建立名为VOCdevkit的文件夹并且包含以下子文件夹，具体菜单结构及命名如下图所示：
ALT

下载labelmg工具（https://github.com/tzutalin/labelImg）来制作制作数据集的标签文件。图片放在JPEGImages文件夹内，标签文件存储在Annotations文件夹内。需要注意：图像的w可以和h不相等但都必须是32的倍数，（64x64,128x128…）。

标注工作完成后，在VOC2007文件夹下建立txt.py并运行，代码如下：

import os
import random
 
trainval_percent = 0.2
train_percent = 0.8
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
 
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
 
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
 
for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)
 
ftrainval.close()
ftrain.close()
fval.close(