Windows+Yolo3-darknet训练自己数据集并测试_darknet模型测试-优快云博客

本文链接：https://blog.youkuaiyun.com/wszswllnzn_/article/details/103415965

本文指导如何在Windows7系统上配置VS2015、OpenCV3.4.2等环境，利用Yolo3和CUDA进行数据集制作、网络模型预训练，并详细说明了修改配置文件以适应特定类别和训练过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Windows+Yolo3-darknet训练自己的数据集并测试

一、首要条件
Windows 7下配置好VS2015+OPENCV3.4.2+YOLO3+CUDA10.0+CUDNN7.5生成darknet.exe。具体配置可参考我的博客：https://blog.youkuaiyun.com/wszswllnzn_/article/details/100760477
二.制作数据集
1、方法1
使用软件labelImg制作数据集，生成.mxl文件或直接将VOC格式改为Yolo格式，保存时自动生成.txt文件。
在这里插入图片描述
2、方法2
为了简化工作，直接下载VOC-Yolo数据集，将该数据集的VOCdevkit文件夹拷贝到…\darknet-mastexunlianr\build\darknet目录下。将…\darknet-masterxunlian\scripts目录下的voc_label.py文件拷贝到…\darknet-master\build\darknet\VOCdevkit目录下，并重命名为voclabel_xunlian.py，打开进行如下修改。

# 第7行修改所需sets
sets=[('2007', 'train'), ('2007', 'val'),  ('2007', 'test')]
 
# 第9行修改为自己的类别
classes = ["a", "b", "c", "d"]
 
# 第26、27行修改路径，可改为绝对路径
    in_file = open('VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('VOC%s/labels/%s.txt'%(year, image_id), 'w')
 
# 第48、49、50行修改路径，可改为绝对路径
    if not os.path.exists('VOC%s/labels/'%(year)):
        os.makedirs('VOC%s/labels/'%(year))
    image_ids = open('VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
 
# 第53行修改路径，可改为绝对路径
        list_file.write('%s/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))

完成后在VOCdevkit文件夹中生成如下文件：
在这里插入图片描述
在VOC2007文件夹中生成labels文件：

三、下载网络模型预训练权重
下载后保存在：.\darknet-masterxunlian\build\darknet\x64目录下新建的weights_pr文件夹中。下载链接如下：http://pjreddie.com/media/files/darknet53.conv.74
四、修改参数
1、修改网络配置文件，.\darknet-masterxunlian中的Makefile，使用什么就设置什么为1。我使用的是GPU版本训练。
在这里插入图片描述
2、打开…\darknet-masterxunlian\build\darknet\x64\data中的voc.data

classes=2 
train  = D:\darknet-masterxunlian\build\darknet\VOCdevkit\2007_train.txt 
valid  = D:\darknet-masterxunlian\build\darknet\VOCdevkit\2007_val.txt 
#difficult = data/difficult_2007_test.txt
names = data/voc.names
backup = D:\darknet-masterxunlian\build\darknet\VOCdevkit\results_mine

3、打开.\darknet-masterxunlian\build\darknet\x64\data中的voc.names（修改为自己的类别）

bird
car

4、打开…\darknet-masterxunlian\build\darknet\x64中的yolov3-voc.cfg

# 第1-7行
[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=64            # 可修改参数，控制训练时的batchsize
subdivisions=32
 
# 第20行修改迭代次数
max_batches = 50200
 
# 第605、689、773行
filters=27  # 修改为3×（5+类别数）
 
# 第611、695、779行
classes=2   # 修改为类别数
 
# 第616、700、784行
random=1    # 多尺度输出为1，显存小时改为0关闭

五、训练

打开cmd，cd到…\darknet-masterxunlian\build\darknet\x64目录下，在此目录下新建results_xunlian文件夹，输入命令：darknet.exe detector train .\data\voc.data yolov3-voc.cfg .\weights_pr\darknet53.conv.74 .\results_xunlian 每迭代1000次在results_xunlian中就会生成一个权重文件。