YOLOV3訓練自己的數據集（PyTorch版本）

        由於這一段時間從事目標檢測相關工作，因而接觸到yolov3，進行目標檢測，具體原理大家可以參考大神的博客目標檢測（九）--YOLO v1,v2,v3，我就不細講了，直接進入正題，如何利用深度學習框架PyTorch對自己的數據進行訓練以及最後的預測。

一、數據集

        首先我們要對自己的數據進行標註，標註的工具LabelImg，如果是windows用戶的話，可以直接下載可執行文件，labelImg的下載地址以及使用，可以參考博客windows下使用labelImg標註圖像，使用的圖示如下

得到標註後的xml文件

<annotation>
	<folder>Desktop</folder>
	<filename>BloodImage_00000.jpg</filename>
	<path>/Users/xxx/Desktop/BloodImage_00000.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>640</width>
		<height>480</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>cell</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>200</xmin>
			<ymin>337</ymin>
			<xmax>304</xmax>
			<ymax>446</ymax>
		</bndbox>
	</object>
</annotation>

        我們本次訓練的數據集是進行細胞的檢測，已經標註好的數據鏈接細胞檢測，主要分兩部分圖像和標註。

二、訓練代碼

         由於本次不採用官網的代碼，使用PyTorch框架，這裏我們採用github上https://github.com/ultralytics/yolov3，clone下來，目錄如下

注：makeTxt.py和voc_label.py文件是後面添加到。

三、數據預處理

        爲了能夠用clone下來的工程進行訓練和預測，我們需要對數據進行處理，以適應相應的接口。

        1.將細胞數據Annotations和JPEGImages放入data目錄下，並新建文件ImageSets，labels，複製JPEGImages，重命名images，