使用yolov3訓練自己的數據集（c++ vs2017 win10）

參考：https://blog.csdn.net/la_fe_/article/details/81564420

https://blog.csdn.net/qq_31442743/article/details/81087346

如果是在已有的基礎上繼續訓練數據集，參考：https://mp.csdn.net/postedit/102964648

1.準備好數據集，訓練圖片、驗證圖片和他們對應的路徑名txt文件

和faster-rcnn不太一樣的是，yolo還需要幾個txt文件運行這個腳本voc_label2.py即可生成(見最上面的參考博客)

要把這三個文件夾裏的路徑裏的\替換成/

還會生成D:\software_engineer\darknet\darknet\scripts\VOCdevkit\VOC2007\labels這個文件夾

voc_label2.py:

 

2.準備配置文件，需要3個配置文件

1.voc.data（類別數，步驟一中的兩個txt的路徑，類名路徑，訓練產生的文件保存位置）

2.voc.name

3.yolov3.cfg

前面的batch和subdivisions在訓練的時候把testing下面的註釋掉，測試的時候把training下面的註釋掉

這裏還要改一些參數：

 [convolutional] 

size=1 

stride=1 

pad=1 

filters=30  //修改最後一層卷積層核參數個數，每個yolo層上面的convolutional層，有三處

               //計算公式是依舊自己數據的類別數filter=num×（classes + coords + 1）=5×（1+4+1）=30 

// YOLOv3版本中 filter=3×（classes + coords + 1）=3×（1+4+1）=18，即3*（類別數 + 5）

activation=linear 

[region] 

anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52 

bias_match=1 

classes=1  //類別數，本例爲1類 

coords=4 

num=5 

softmax=1 

jitter=.2 

rescore=1 

object_scale=5 

noobject_scale=1 

class_scale=1 

coord_scale=1 

absolute=1 

thresh = .6 

random=1

2.訓練

在D:\software_engineer\darknet\darknet\build\darknet\x64裏面執行

./darknet detector train D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg

如果有預訓練模型就把它放到darknet.exe同文件夾裏，然後在指令最後加上預訓練模型的名字，例如：darknet53.conv.74，

要在已有的基礎上訓練的話，不能直接在最後添加訓練好的文件名，要多運行下面這句話，做一個微調，將yolov3_last.weights變爲yolov3_last.conv.23，否則會報錯（dont show）

./darknet partial cfg/darknet19_448.cfg yolov3_last.weights yolov3_last.conv.23 23

然後運行訓練./darknet detector train D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg yolov3_last.conv.23

3測試（測試前把yolov3.cfg文件改一下）

（1）單張圖片測試

./darknet detector test D:/software_engineer/darknet/darknet/cfg/voc.data D:/software_engineer/darknet/darknet/cfg/yolov3.cfg D:/software_engineer/darknet/darknet/backup/yolov3_last.weights -i 0 -thresh 0.5 D:/work_place/門鎖項目/計數項目深度學習目標識別/VOCdevkit/VOC2007/JPEGImages/00089.jpg

yolov3_last.weights是訓練好的文件，在backup裏面，不想輸它的路徑的話可以把它拷貝到和darknet.exe同一個文件夾裏

（2）test參數換成valid，然後把圖片名去掉（即路徑爲圖片集文件夾路徑），可以批量測試 測試集裏的數據，保存到results文件夾下，是txt格式，不直觀。這個批量測試只跑測試集。

（3）測試視頻 參數換成demo

./darknet detector demo data/coco.data cfg/yolov3.cfg yolov3.weights video_003.avi

遇到的問題：

1.測試yolov3時報錯：cuda error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

我訓練到800次的時候突然報這個錯，但好在此時已經開始收斂，訓練的結果可以用

2.batchsize調到64之後訓練速度超級慢，和數據集大小關係好像不大，訓練上萬張voc2007數據集和自己的200張數據集速度差不多，應該是顯卡性能問題