超详细教程：YOLO_V3（yolov3）训练自己的数据

前言：最近刚好做一个项目需要做detection，选择的算法是yolo v3，因为它既有速度又有精度，还非常灵活，简直是工业界良心。做项目免不了需要用到自己的数据集，所以得从头一个脚印的来，走通了之后决定写一个帖子，让需要用的人少走歪路，节约时间。
官网上已经教我们如何跑起来yolo v3，因此大部分时间其实花在制作数据集上。总体来说，分为四个步骤，分别是：标注数据，利用voc制作自己的数据集，下载并编译源码，局部修改和大功告成（前两步可以在方便操作的环境下（windows或linux）进行，后面几步在linux环境进行）

一、标注数据

1. 工具：
   使用的标注工具是labelimg，其他标注工具也行，但是生成的标注label文件要是xml。这里给一个labelimg软件的传送门https://pan.baidu.com/s/1tuIQmuyedRHP1WeGVVSx_Q

2. 数据集编号：
   为了规划自己的数据，减少出错的可能性，最好自己先给自己的图片编一个合理的序号，比如0001~0999。

3. 标注数据：
   利用软件把自己的数据标注好。每一个图片名对应的有一个相应名字的label.xml。
   

   
   
   xml中的数据如下所示。这时候的path不用管他，在训练的时候不会用到这里的数据，这里后面会说到。
   
   

二、利用voc制作自己的数据集

在目录下新建VOC2007，并在VOC2007下新建Annotations，ImageSets和JPEGImages三个文件夹。在ImageSets下新建Main文件夹。文件目录如下所示：

将自己的数据集ͼƬ拷贝到JPEGImages目录下。将数据集label文件拷贝到Annotations目录下。在VOC2007下新建test.py文件夹，将下面代码拷贝进去运行，将生成四个文件：train.txt,val.txt,test.txt和trainval.txt。

 import os import random  trainval_percent = 0.1 train_percent = 0.9 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() ftest.close() 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36

生成后的目录结构如下所示：

做好这一步之后，自己的数据集基本做好了，接下来需要转移阵地到代码环境中去。

三、下载并编译源码

YOLOV3的主页：https://pjreddie.com/darknet/yolo/
1、下载代码：

 git clone https://github.com/pjreddie/darknet 

• 1

2、编译代码：
YOLOV3使用一个开源的神经网络框架Darknet53，使用C和CUDA，有CPU和GPU两种模式。默认使用的是CPU模式，需要切换GPU模型的话，vim修改Makefile文件。

 cd darknet vim Makefile  #如果使用CPU模式。则不用修改Makefile文件 

• 1
• 2

将前面三行置1，其他不用动。

 make 

• 1

编译成功后，可以先下载预训练模型测试一下效果。

 wget https://pjreddie.com/media/files/yolov3.weights ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 

• 1
• 2

可以看到YOLO的detection图。到这里，YOLOV3已经走通了，是时候加入自己的数据了。
3、加入自己的数据集
在代码的darknet目录下新建VOCdevkit文件夹，然后把刚才制作的VOC2007文件夹拷贝到该文件夹下。
有的读者可能了解过YOLOV3的label，YOLOV3的label标注的一行五个数分别代表类别（从 0 开始编号）， BoundingBox 中心 X 坐标，中心 Y 坐标，宽，高。这些坐标都是 0～1 的相对坐标。和我们刚才标注的label不同，因此我们需要下面的py文件帮我们转换label。

 wget https://pjreddie.com/media/files/voc_label.py 

• 1

这里需要修改两个地方，sets和classes，classes根据自己需要修改。

接下来运行该文件，我们的目录下会生成三个txt文件2007_train.txt,2007_val.txt,2007_test.txt，VOCdevkit下的VOC2007也会多生成一个labels文件夹，下面是真正会使用到的label，点开看发现已经转化成YOLOV3需要的格式了。这时候自己的数据集正式完成。

 python voc_label.py cat 2007_train.txt 2007_val.txt  > train.txt 

• 1
• 2

四、局部修改

1、 修改cfg/voc.data

根据自己的路径修改。

2、修改data/voc.names和coco.names

打开对应的文件都是原本数据集里的类，改成自己的类就行。

3、修改参数文件cfg/yolov3-voc.cfg
ctrl+f搜 yolo, 总共会搜出3个含有yolo的地方。
每个地方都必须要改2处， filters：3*（5+len（classes））；
其中：classes: len(classes) = 1，这里以单个类dog为例
filters = 18
classes = 1
可修改：random = 1：原来是1，显存小改为0。（是否要多尺度输出。）

参数文件开头的地方可以选训练的batchsize，要注意！

五、大功告成

如果读者按照步骤已经耐心的到这里了，可以舒一口气了，离成功只差一步了。
下载darknet53的预训练模型。

 wget https://pjreddie.com/media/files/darknet53.conv.74 

• 1

开始训练：

 ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 

• 1

六、关于神经网络训练的讨论：

过拟合该怎么继续训练？
看到书上写道：有了BN之后，就不要正则化去防止过拟合了，比如dropout，L2正则化。实际上也试过确实没什么效果，有时候还会降低结果。这时候train上和valid上表现有差异该怎么解决？是数据集本身就有的分布差异导致的，还是可以通过其他手段解决，如减小模型。欢迎大家讨论留言。

文章来源: https://blog.csdn.net/CVAIDL/article/details/90480042