从零开始带你一步一步使用YOLOv3训练自己的数据
紅色石頭的個人網站：redstonewill.com
知乎：https://www.zhihu.com/people/red_stone_wl
公眾號：AI有道（redstonewill）
YOLOv3是比較常見和常用的深度學習目標檢測（Object Dection）算法。今天給大家介紹一下如何一步一步使用YOLOv3訓練自己的數據集。
一、標注數據集
首先我們需要使用 labelimg 工具來標注圖片數據集，例如圖片是 .jpg 格式的，用矩形框標注圖片中的目標位置，得到 .xml 文件。這里 labelimg 的使用方法就不作介紹了，讀者自行查閱。
例如 100 張圖片對應得到 100 個 .xml 文件：
得到 .jpg 和 .xml 文件之后，我們還需要把數據集整理成 VOC2007 規定的格式，方便我們使用 YOLOv3 進行訓練。
方法很簡單，建立如下目錄層級：
然后將 100 張 .jpg 圖片放入到 VOCdevkit/VOC2007/JPEGImages 目錄下，將 100 個 .xml 文件放入到 VOCdevkit/VOC2007/Annotations 目錄下。
至此，數據集準備完畢！
二、下載 YOLOv3 源碼
在我們的 Ubuntu 系統或者服務器上，使用 git 命令直接下載 YOLOv3 的源碼工程：
$ git clone https://github.com/pjreddie/darknet下載完成之后，進入 darknet 目錄，會發現如下：
YOLOv3 使用的是開源的神經網絡框架 Darknet53，有 CPU 和 GPU 兩種模式。默認使用的是 CPU 模式，如果我們使用 GPU 的話，需要修改 darknet 目錄下的 Makefile 文件：
$ vim Makefile修改的幾點如下：
修改的地方有 4 處。其中，第 1 處 GPU=1，CUDNN=1，表示使用 GPU 和 CUDNN，若使用 CPU 的話，置為 0 即可；第 2 處將 NVCC 設為本地安裝 nvcc 的實際目錄；第 3 處將 COMMON+ 設為本地 cuda 的頭文件目錄；第 4 處將 LDFLAGS+ 設為 cuda 的庫目錄。
Makeflie 文件修改完成之后，保存退出。
三、準備數據
將我們之前準備好的包含 100 張 .jpg 圖片和 100 個 .xml 文件的 VOCdevkit 文件夾拷貝到 darknet 目錄下，替換原來的 VOCdevkit 文件夾。
進入到 darknet/VOCdevkit/VOC2007/ 目錄下，新建 test.py 腳本，腳本內容如下：
import os import randomtrainval_percent = 0.8 train_percent = 0.8 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:ftrain.write(name)else:fval.write(name)else:ftest.write(name)ftrainval.close() ftrain.close() fval.close() ftest.close()該 test.py 腳本的作用就是對 100 個樣本進行訓練集和測試集的劃分，trainval_percent = 0.8 表示劃分 80% 的樣本作為訓練集，20% 的樣本作為測試集。
在當前目錄，運行該腳本：
$python test.py運行完之后，在 /ImageSets/Main/ 目錄下會生成 4 個文件：test.txt、train.txt、trainval.txt、val.txt。其中，trainval.txt 存放的是 80 個訓練集的樣本名，test.txt 存放的是 20 個測試集的樣本名。
返回到 drknet 目錄下，新建 voc_label.py 腳本，也可以使用下面命令下載：
wget https://pjreddie.com/media/files/voc_label.pyvoc_label.py 腳本內容如下：
import xml.etree.ElementTree as ET import pickle import os from os import listdir, getcwd from os.path import joinsets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')]classes = ["person", "car", "bicycle", "train"]def convert(size, box):dw = 1./size[0]dh = 1./size[1]x = (box[0] + box[1])/2.0y = (box[2] + box[3])/2.0w = box[1] - box[0]h = box[3] - box[2]x = x*dww = w*dwy = y*dhh = h*dhreturn (x,y,w,h)def convert_annotation(year, image_id):in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')tree=ET.parse(in_file)root = tree.getroot()size = root.find('size')w = int(size.find('width').text)h = int(size.find('height').text)for obj in root.iter('object'):difficult = obj.find('difficult').textcls = obj.find('name').textif cls not in classes or int(difficult) == 1:continuecls_id = classes.index(cls)xmlbox = obj.find('bndbox')b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))bb = convert((w,h), b)out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')wd = getcwd()for year, image_set in sets:if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):os.makedirs('VOCdevkit/VOC%s/labels/'%(year))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('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))convert_annotation(year, image_id)list_file.close()該文件需要修改兩個地方，分別是 sets 和 classes，classes 根據實際的類別進行修改。
修改完成之后，保存退出。在 darknet 目錄下，運行該腳本：
$ python voc_label.py運行之后，在當前目錄下生成 3 個文件：2007_train.txt, 2007_val.txt, 2007_test.txt，存放的是訓練集、測試集圖片的路徑。
運行下面的命令：
$ cat 2007_train.txt 2007_val.txt > train.txt這樣，train.txt 即為真正的訓練集圖片路徑，2007_test.txt 即為真正的測試集圖片路徑。
同時，在 VOCdevkit/VOC2007 目錄下也會多生成一個 labels 文件夾，labels 文件夾里存放的就是訓練集每個圖片包含的類別、矩形框四個坐標信息。這時候數據集正式完成。
四、修改配置文件
1. 修改 voc.data 文件
在 drknet 目錄下，打開 cfg/voc.data 文件，根據實際情況作如下修改：
其中，class 是類別，train 和 valid 是之前運行 voc_label.py 得到的 train.txt 和 2007_test.txt。names 改為自己的實際路徑，backup 為模型存放的路徑。
2. 修改 voc.names 和 coco.names
在 darknet 目錄下，打開 data/voc.names 和 data/coco.names 文件，修改成自己的類別：
保存退出！
3. 修改 yolov3-voc.cfg
下面需要修改配置文件，打開 cfg/yolov3-voc.cfg，搜索 yolo, 總共會搜出 3 個含有 yolo 的地方。
每個地方都必須要改 2 處：
參數 filters 由下式計算：3*(5+classes)，例如本例中 classs=4，則filters=27；
參數 class 改為實際的類別個數；
yolov3-voc.cfg 文件中修改 filters 和 classes 的地方一共有 3 處，注意別遺漏了。
在 yolov3-voc.cfg 文件的開頭處，修改訓練的一些參數
一般根據具體情況作適當修改即可，注意，訓練的時候，Testing 的 batch 和 subdivisions 需要注釋掉，learning_rate 是學習率，max_batches 是最大迭代訓練次數，可根據訓練集大小自行修改。
關于 yolov3-voc.cfg 中更詳細的參數解釋，可自行查閱。
五、編譯
剛才我們修改了 Makefile文件，并修改了各個配置文件，下面就對該工程進行編譯，在 darknet 目錄下輸入下面的命令：
$ make編譯完成之后，生成 darknet 可執行程序。
六、訓練
在 darknet 目錄下，
首先下載 YOLOv3 的預訓練模型：
$ wget https://pjreddie.com/media/files/darknet53.conv.74然后直接輸入下面的命令進行訓練：
$ ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1其中，-gpus 0,1 表示使用 2 塊 gpu 進行訓練，編號是 0 和 1。根據你可使用的 gpu 個數進行調整。
當看到上面的打印內容，基本就表示訓練開始了，慢慢等待吧~
關于 YOLOv3 詳細的訓練步驟就介紹到這里，下一篇我將帶大家來學習一下使用 YOLOv3 訓練好的模型進行實際的圖片測試還有如何進行批量測試~
總結
以上是生活随笔為你收集整理的从零开始带你一步一步使用YOLOv3训练自己的数据的全部內容，希望文章能夠幫你解決所遇到的問題。
