YOLOv3訓練自己的資料集pytorch版

參考：

pytorch實現yolov3訓練自己的資料集

pytorch實現yolov3的原始位址（ultralytics版）

環境：

win10+python3.6

pytorch 1.1.0

opencv

tqdm

matplotlib

原始碼中有requirements.txt，安裝直接：

pip3 install -u -r requirements.txt

microsoft visual c++ 14.0 is required.安裝還挺麻煩的，就用了這個版本

使用精靈標註助手，傻瓜安裝，感覺比labelimge好用。

標註過程簡單，不再贅述。

注意，資料存放目錄不能有中文！！！不然python中匯入時會報錯：'gbk' codec can't decode byte 0xa2 in position 47...

匯出時，選擇voc格式即可，這裡以紅細胞資料集為例，匯出後大概如下：

2、執行maketxt.py，在imagessets下生成如下四個檔案，儲存的名稱

3、執行voc_label.py後，在labels下生成各個的標籤，例如：

0 0.415625 0.8572916666666667 0.15625 0.21875

0 0.19843750000000002 0.7885416666666667 0.15625 0.21875

同時在data下生成train.txt，test.txt，val.txt，儲存的具體目錄+名稱。

4、在data檔案下新建rbc.names，存放種類的列表（此處只有1類rbc），內容如下：

rbc

classes=

1train=data/train.txt
valid=data/test.txt
names=data/rbc.names
backup=backup/
eval
=coco

需要將filters=255改為filters=18，即： anchor個數3x（種類數+bbox4個座標+bbox信度）。注意三個尺度都要改！

將yolo層的class=80改為class=1，即類數。

.

/darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.
1515

測試test.py，測試位置預設在data\samples，輸出在outputs資料夾

yolov3訓練自己的資料集

6.測試訓練出的網路模型 訓練好後可以在 backup看到權重檔案 嘗試test前要修改cfg檔案,切換到test模式。可以重新建立乙個測試cfg檔案,如yolov3 voc ball test.cfg 測試 darknet detector test cfg voc ball.data cfg y...

YOLOv3訓練自己的VOC資料集

yolo 一 安裝darknet並借助預訓練權重進行檢測 1.安裝darknetgit clone https pjreddie.com media files yolov3.weights3.執行檢測.darknet detect cfg yolov3.cfg yolov3.weights dat...

YOLOv3目標檢測 訓練自己的資料集

yolov3可以實時地進行端到端的目標檢測，以速度快見長。本課程的yolov3使用darknet，在ubuntu上做專案演示。包括 安裝darknet 給自己的資料集打標籤 整理自己的資料集 修改配置檔案 訓練自己的資料集 測試訓練出的網路模型 效能統計 map計算和畫出pr曲線 和先驗框聚類。da...