记Windows下用yolov3/keras/tensorflow训练自己的数据集(不涉及原理)

cls = obj.find('name').text
if cls not in classes or int(difficult)==1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text), int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text))
list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(cls_id))

wd = getcwd()

for year, image_set in sets:
image_ids = open('../VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
list_file = open('%s_%s.txt'%(year, image_set), 'w')
for image_id in image_ids:
list_file.write('../VOCdevkit/VOC2007/JPEGImages/%s.jpg'%(image_id))
convert_annotation(image_id, list_file)
list_file.write('n')
list_file.close()

运行完之后，会生成如下三个txt文件

手动删除2007_

修改参数文件yolov3.cfg

咱们使用pycharm或者记事本直接打开yolov3.cfg，Ctrl+F直接搜关键词yolo，全文共有3个yolo关键词，都按照下图格式修改。

修改voc_classes.txt文件

将其中的类别改成自己的标注的类别，以cat/dog为例

修改train.py文件

直接找到这个函数，修改这个箭头所指参数为false

开始训练自己的模型

下面直接运行train.py文件

等待训练

出现以下界面即开始训练，等待即可

修改模型位置

训练完成之后，会在logs/000目录之下生成一个名为trained_weights_final.h5的h5文件。打开yolo.py文件，修改其中的如下参数

 2/3   首页 上一页 1 2 3 下一页 尾页