训练数据集的教学视频链接

42. 第六章：基于YOLO-V3训练自己的数据集与任务_哔哩哔哩_bilibili

数据打标签

下载labelme标注工具

通过pip install labelme下载，打开anaconda prompt，切换到下载labelme的环境（我的是pytorch），输入labelme即可打开。

标注图片得到标注数据

写好模型所需的配置文件

进入config文件

运行文件create_custom_model.sh

sh文件运行方法：打开Git Bash Here，输入bash create_custom_model.sh 2（后面的数字代表任务类别的个数），就会自动生成 yolov3-custom.cfg 文件。

标签格式转换

labelme的格式为x1，y1，x2，y2。

YOLOV3的格式为Cx，Cy，W，H相对位置（取值范围0到1）。

格式转换的文件json2yolo.py。

写好数据和标签的路径

labelme生成标签的文件夹路径——json_floder_path

转换好的输出路径：data\custom\labels

完成其他的配置操作

 数据放在相应位置，注意数据名和标签名需要一致。

classes.names（左） 按顺序改成 json2yolo文件里面的类别名字（右），如下：

 然后在train.txt和val.txt中写好对应的图片路径。

最后在config中找到custom.data文件，更改里面的相应内容，文件内容如下，在config中起引导作用：

 

训练代码更改

1. train.py需要设置的参数
-model_def config/yolov3-custom.cfg
-data_config config/custom.data
-pretrained weights weights/darknet53.conv.74

 预测操作

-image folder data/samples  #把需要预测的数据放到这里

-checkpoint_model checkpoints/yolov3 ckpt 100.pth#训练好模型的路径

-class path data/custom/classes.names#画图时候要把框上显示出来

额外注意: create custom model.sh 不能重复执行，要先把 yolov3-custom.cfg 删除掉才可以