使用darknet-yolov3训练自己的数据集.md

使用darknet yolov3训练自己的数据集

准备

下载darknet并编译（GPU版），编译这里就不说了。反正视频检测要依赖opencv，GPU版本要依赖CUDA和cuDNN。

训练流程

以训练人手和人脸这两个类为例子

1. 将包含人手和人脸的图片放到data\train_iamges和data\val_images,train_iamges里是训练的图片，val_images里是用来验证的图片。

2. 新建 human.names文件，输入所有类名如下：（注意不要有制表符）

   human face
   human hand
   

3. 使用labelImg打标签，目的是生成每张图片对应的txt文件（保护框框的类序号，坐标）。labelImg保存一张图片时生成的是xml文件，我们需要将xml转为txt。 python xml_to_txt.py

4. 生成train.txt和val.txt文件，这两个文件里每一行都是图片的路径。 python generate_train.py

5. 新建 human.data文件，输入如下：

   classes= 2
   train = data/train.txt
   valid = data/val.txt
   names = data/human.names
   backup = backup/
   

6. 新建human.cfg文件，里面的内容直接复制yolov3.cfg的，然后再修改：

   具体如何修改参考: https://github.com/AlexeyAB/darknet#how-to-train-to-detect-your-custom-objects

   主要修改如下：

   # 已知我们的训练物体数量是2
   
   # 训练物体数量*2000，即2*2000=4000
   max_batches=4000 
   
   # max_batches*0.8, max_batches*0.9
   steps=3200,3600
   
   # classes=训练物体数量
   将610行，696行，783行改为classes=2
   
   # filters=(classes + 5)x3
   将603行，689行，776行改为filters=21
   

7. darknet训练命令和检测命令

   训练： darknet detector train data/human.data cfg/human.cfg darknet53.conv.74 darknet53.conv.74是下载好的预训练文件。

   检测图片： darknet detector test data/human.data cfg/human.cfg backup/human_final.weights data/test.jpg 检测视频： darknet detector demo data/human.data cfg/human.cfg backup/human_final.weights test.mp4

参考

https://github.com/AlexeyAB/darknet
YOLO3 darknet训练自己的数据