YOLOv3訓練自己的VOC資料集

2021-10-02 14:15:28 字數 1676 閱讀 6157

yolo**：

一、安裝darknet並借助預訓練權重進行檢測

1.安裝darknet

git clone https:/


/pjreddie.com/media/files/yolov3.weights
3.執行檢測
.


/darknet detect cfg/yolov3.cfg yolov3.weights data


/dog.jpg
二、訓練自己的voc資料集

1.原檔案結構如下：

├── darknet


│   ├── vocdevkit


│   │   ├── voc2007


│   │   │   ├── annotations  #存放所有xml檔案


│   │   │   ├── jpegimages   #存放所有


│   │   │   ├── imagesets


│   │   │   │   ├── main


│   │   │   │   │   ├── test.txt


│   │   │   │   │   ├── trainval.txt


│   │   │   │   │   ├── train.txt


│   │   │   │   │   ├── val.txt
2.生成label檔案

-


class>
1）將scripts/voc_label.py檔案複製到darknet目錄下

2）根據自己資料集的情況進行修改

sets = [……]


classes = [……]
3）執行python voc_label.py

4）結果會在當前目錄下產生2007_train.txt、2007_val.txt等檔案；在voc2007目錄下產生labels檔案

5）將驗證集和訓練集合成乙個大的訓練集，例如：

cat 2007_train.txt 2007_val.txt > train.txt
3.修改配置檔案

1）修改cfg/voc.data

classes= xx


train  = /home/……/train.txt


valid  = /home/……/test.txt


names = data


/voc.names


backup = backup
2）修改data/voc.names

3）修改cfg/yolov3-voc.cfg

4.訓練

wget https:/


/pjreddie.com/media/files/darknet53.conv.74
2）訓練模型

.


/darknet detector train cfg/voc.


data cfg/yolov3-voc.cfg darknet53.conv.74

使用YOLOv3訓練VOC模型

yolo官網 本篇博文主要是參照官網步驟進行voc資料的訓練,博主也是更改接觸，如果有錯誤的地方，歡迎指正 操作環境 ubuntu 如果使用gpu需要安裝cuda和cudnn，應為我這邊環境已經裝好了，所以並沒有嘗試安裝 具體安裝步驟可以參考一篇部落格 git clone cd darknet ma...

YOLOV3訓練VOC資料集

darknet master build darknet x64 data.darknet master build darknet x64 data voc3.命令列cd進入 darknet master build darkne x64 data voc，然後執行python voc label...

（官方步驟）YOLO V3訓練VOC資料集

darknet目錄下新建voc資料夾 tar xf voctrainval 11 may 2012.tar tar xf voctrainval 06 nov 2007.tar tar xf voctest 06 nov 2007.tar 為資料集生成txt的標籤檔案 txt標籤檔案每行格式如下 類...