Yolov1-手把手用自己的数据集训练自己的模型

2021-09-13 18:30:14 阅读：333 来源： 互联网

标签：文件 yolo Yolov1 手把手 py 自己文件夹 tensorflow 图片

TensorFlow下使用YOLOv1训练自己的数据集+测试自己的模型

一. 前期准备

环境：（用cpu跑的）

win10 + python3.6.8 + tensorflow2.4.1+pycharm

ps：本来打算用tensflow-gpu 1.4.2运行的，但是该代码是2.xx版本的tensflow,需要安装tensflow-gpu 2.x.版本，以及cuda 11.0版本的，由于本人电脑比较差，最高cuda安装到8.0版本，又不想升级显卡驱动，所以用cpu跑的。

YOLOv1代码：

1.1准备自己要训练的图片

first 在data文件夹中创建一个myDataSet文件夹来保存爬取的图片，然后从myDataSet文件夹中挑选出符合自己数据集（比如我想训练只检测手机，所以挑选带手机的图片）的图片，删除不符合的图片

second 再接着运行SelectSize.py文件，继续筛选文件

last 最后运行graph_rename.py文件，给上述筛选的文件命名，得到最终的原图片

我本人在网上爬取的图片：爬取代码以及其他代码如下：

GitHub - xucancan1617608769/yolov1

1.2 数据集准备

在Yolo_tensorflow\data\pascal_voc\VOCdevkit\VOC2007路径下，创建如下文件夹（ps:我的文件夹中已经创好了）

将1.1中data文件夹中的图片全部copy到此路径下的JPEGImages文件夹中,然后在ImageSets文夹下创建Main文件夹，接着用labelImg工具对JPEGImages文件夹的图片进行数据标记保存到Annotations文件夹下

工具：LabelImg 链接：链接：https://pan.baidu.com/s/1qwPnIx-T_-Kl1CawtE4M9g
提取码：8cb2

labelImg工具的使用参考链接：使用LabelImg标注图片 - AiFly - 博客园

像这样：

运行conert_to_txt.py文件生成ImageSets/Main/文件夹下的4个文件。（layout文件夹不用管）

像这样：

运行完后Main文件夹会生成yolov1所需的train.txt,val.txt,test.txt,trainval.txt

至此，自己要训练的数据集已准备完毕

二.修改配置

①修改 ..\yolo_tensorflow\yolo\config.py文件如下


 CLASSES = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus',
            'car', 'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse',
            'motorbike', 'person', 'pottedplant', 'sheep', 'sofa',
            'train', 'tvmonitor']

====>>CLASSES = ['phone', 'cat', 'dog', 'sheep'] # 修改为自己的类别

② ..\yolo_tensorflow\utils\pascal_voc.py文件

#第30行
        labels = np.zeros(
            (self.batch_size, self.cell_size, self.cell_size, 9)) # 25修改为5+类别数
 
 #第129行

        label = np.zeros((self.cell_size, self.cell_size, 9)) # 修改为5+类别数

开始训练，运行 train.py文件。

三 .保存权重文件测试

① 将..\yolo_tensorflow\data\pascal_voc\output\2021_09_12_10_47\目录下（2021_09_12_10_47文件夹在模型开始训练时自动生成）保存的最后的模型文件（下图1）复制到..\yolo_tensorflow\data\weights\目录下（下图2），并在名称中间添加“.ckpt”重新命名。

上图1

上图2

② 修改..\yolo_tensorflow\test.py文件。

将待测试图片放入..\yolo_tensorflow-master\test\目录下。

# 在189行的默认权重文件改为自己训练好权重的模型
def main():
    parser = argparse.ArgumentParser()
    # parser.add_argument('--weights', default="YOLO_small.ckpt", type=str)
    parser.add_argument('--weights', default="yolo-15000.ckpt", type=str)
 
 
# 将207行需要测试的图片名称修改为自己的图片名称
    # detect from image file
    imname = 'test/000004.jpg'
    detector.image_detector(imname)

③ 运行test.py文件进行测试

结果：

四.结语

整个流程按照步骤走了一遍，中间需要安装一些第三方安装包，比如tensorflow2.x.x版本，以及cv2,tf_sim,最后结果不是很理想，定位存在很大误差，以后再更新改进。

标签：文件,yolo,Yolov1,手把手,py,自己,文件夹,tensorflow,图片
来源： https://blog.csdn.net/hgnuxc_1993/article/details/120269500

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9