Skip to content

Latest commit

 

History

History
90 lines (66 loc) · 2.31 KB

ubuntu_YOLO_gongjian说明文档.md

File metadata and controls

90 lines (66 loc) · 2.31 KB
Raw

六种工件是

扳手(banshou)、测电笔(cedianbi)、锤子(chuizi)、卷尺(juanchi)、墙纸刀(qiangzhidao)、钳子(qianzi)

官网地址

https://pjreddie.com/darknet/yolo/

制作自己的VOC数据集

https://blog.csdn.net/qq_34806812/article/details/81673798

Yolov3训练自己的数据集

https://blog.csdn.net/weixin_42731241/article/details/81352013

输入的指令

  1. 整理数据集路径格式： 1.1 建立文件夹层次为 darknet / scripts / VOCdevkit / VOC2018，voc2018下面有三个文件夹：
VOC2018
|——JPEGImages
|   |——Main
|   |   |——train.text
|   |   |——test.txt
|——Annotations
|   |——0.xml...
|——ImageSets
|   |——0.jpg...

修改 Voc_label.py 根据自己的情况修改classes 2. 创建数据集 python Voc_label.py 同时发现在vocdevkit同目录下也生成了5个list文件

  1. 修改需要配置的文件 3.1 新建cfg/voc_gongjian.data:(复制cfg/voc.data 根据自己的情况进行修改，我改成如下所示：) classes= 6 train = /home/chen_ubuntu/darknet/scripts/2018_train.txt valid = /home/chen_ubuntu/darknet/scripts/2018_val.txt names = /home/chen_ubuntu/darknet/data/voc_gongjian.names backup = /home/chen_ubuntu/darknet/backup

3.2 新建data/voc_gongjian.names:(复制data/voc.names 根据自己的情况进行修改，我的六类数据)

banshou cedianbi chuizi juanchi qiangzhidao qianzi

新建cfg/yolov3-tiny-gongjian.cfg:(复制cfg/yolov3-tiny.cfg 根据自己的情况进行修改) [convolutional] size=1 stride=1 pad=1 filters=33 #修改这个值为filters=(类别+5)*3 activation=linear

[yolo] mask = 3,4,5 anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319 classes=6 #修改类别 num=6
jitter=.3 ignore_thresh = .7 truth_thresh = 1 random=1

*注意：yolo层中的class 为类别数，每个yolo 层前的conv层中的filters=(类别+5)3

  1. 在darknet目录下载权重文件： wget https://pjreddie.com/media/files/darknet53.conv.74

  2. 开始训练 ./darknet detector train cfg/voc_gongjian.data cfg/yolov3-tiny-gongjian.cfg darknet53.conv.74

  3. 评估模型 ./darknet detector test cfg/voc_gongjian.data cfg/yolov3-tiny-gongjian.cfg backup/yolov3-tiny-gongjian_xxxx.weights data/xxx.jpg

6.检测视频 ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>