从零开始带你一步一步使用YOLOv3训练自己的数据

Posted 2021-07-30 红色石头Will

红色石头的个人网站：redstonewill.com
知乎：https://www.zhihu.com/people/red_stone_wl
公众号：AI有道（redstonewill）

YOLOv3是比较常见和常用的深度学习目标检测（Object Dection）算法。今天给大家介绍一下如何一步一步使用YOLOv3训练自己的数据集。

一、标注数据集

首先我们需要使用 labelimg 工具来标注图片数据集，例如图片是 .jpg 格式的，用矩形框标注图片中的目标位置，得到 .xml 文件。这里 labelimg 的使用方法就不作介绍了，读者自行查阅。

例如 100 张图片对应得到 100 个 .xml 文件：

得到 .jpg 和 .xml 文件之后，我们还需要把数据集整理成 VOC2007 规定的格式，方便我们使用 YOLOv3 进行训练。

方法很简单，建立如下目录层级：

然后将 100 张 .jpg 图片放入到 VOCdevkit/VOC2007/JPEGImages 目录下，将 100 个 .xml 文件放入到 VOCdevkit/VOC2007/Annotations 目录下。

至此，数据集准备完毕！

二、下载 YOLOv3 源码

在我们的 Ubuntu 系统或者服务器上，使用 git 命令直接下载 YOLOv3 的源码工程：

$ git clone https://github.com/pjreddie/darknet

下载完成之后，进入 darknet 目录，会发现如下：

YOLOv3 使用的是开源的神经网络框架 Darknet53，有 CPU 和 GPU 两种模式。默认使用的是 CPU 模式，如果我们使用 GPU 的话，需要修改 darknet 目录下的 Makefile 文件：

$ vim Makefile

修改的几点如下：

修改的地方有 4 处。其中，第 1 处 GPU=1，CUDNN=1，表示使用 GPU 和 CUDNN，若使用 CPU 的话，置为 0 即可；第 2 处将 NVCC 设为本地安装 nvcc 的实际目录；第 3 处将 COMMON+ 设为本地 cuda 的头文件目录；第 4 处将 LDFLAGS+ 设为 cuda 的库目录。

Makeflie 文件修改完成之后，保存退出。

三、准备数据

将我们之前准备好的包含 100 张 .jpg 图片和 100 个 .xml 文件的 VOCdevkit 文件夹拷贝到 darknet 目录下，替换原来的 VOCdevkit 文件夹。

进入到 darknet/VOCdevkit/VOC2007/ 目录下，新建 test.py 脚本，脚本内容如下：

import os
import random

trainval_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()

该 test.py 脚本的作用就是对 100 个样本进行训练集和测试集的划分，trainval_percent = 0.8 表示划分 80% 的样本作为训练集，20% 的样本作为测试集。

在当前目录，运行该脚本：

$python test.py

运行完之后，在 /ImageSets/Main/ 目录下会生成 4 个文件：test.txt、train.txt、trainval.txt、val.txt。其中，trainval.txt 存放的是 80 个训练集的样本名，test.txt 存放的是 20 个测试集的样本名。

返回到 drknet 目录下，新建 voc_label.py 脚本，也可以使用下面命令下载：

wget https://pjreddie.com/media/files/voc_label.py

voc_label.py 脚本内容如下：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets=[('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])/2.0
    y = (box[2] + box[3])/2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (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').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_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()

该文件需要修改两个地方，分别是 sets 和 classes，classes 根据实际的类别进行修改。

修改完成之后，保存退出。在 darknet 目录下，运行该脚本：

$ python voc_label.py

运行之后，在当前目录下生成 3 个文件：2007_train.txt, 2007_val.txt, 2007_test.txt，存放的是训练集、测试集图片的路径。

运行下面的命令：

$ cat 2007_train.txt 2007_val.txt  > train.txt

这样，train.txt 即为真正的训练集图片路径，2007_test.txt 即为真正的测试集图片路径。

同时，在 VOCdevkit/VOC2007 目录下也会多生成一个 labels 文件夹，labels 文件夹里存放的就是训练集每个图片包含的类别、矩形框四个坐标信息。这时候数据集正式完成。

四、修改配置文件

1. 修改 voc.data 文件

在 drknet 目录下，打开 cfg/voc.data 文件，根据实际情况作如下修改：

其中，class 是类别，train 和 valid 是之前运行 voc_label.py 得到的 train.txt 和 2007_test.txt。names 改为自己的实际路径，backup 为模型存放的路径。

2. 修改 voc.names 和 coco.names

在 darknet 目录下，打开 data/voc.names 和 data/coco.names 文件，修改成自己的类别：

保存退出！

3. 修改 yolov3-voc.cfg

下面需要修改配置文件，打开 cfg/yolov3-voc.cfg，搜索 yolo, 总共会搜出 3 个含有 yolo 的地方。
每个地方都必须要改 2 处：

参数 filters 由下式计算：3*(5+classes)，例如本例中 classs=4，则filters=27；

参数 class 改为实际的类别个数；

yolov3-voc.cfg 文件中修改 filters 和 classes 的地方一共有 3 处，注意别遗漏了。

在 yolov3-voc.cfg 文件的开头处，修改训练的一些参数

一般根据具体情况作适当修改即可，注意，训练的时候，Testing 的 batch 和 subdivisions 需要注释掉，learning_rate 是学习率，max_batches 是最大迭代训练次数，可根据训练集大小自行修改。

关于 yolov3-voc.cfg 中更详细的参数解释，可自行查阅。

五、编译

刚才我们修改了 Makefile文件，并修改了各个配置文件，下面就对该工程进行编译，在 darknet 目录下输入下面的命令：

$ make

编译完成之后，生成 darknet 可执行程序。

六、训练

在 darknet 目录下，

首先下载 YOLOv3 的预训练模型：

$ wget https://pjreddie.com/media/files/darknet53.conv.74

然后直接输入下面的命令进行训练：

$ ./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 块 gpu 进行训练，编号是 0 和 1。根据你可使用的 gpu 个数进行调整。

当看到上面的打印内容，基本就表示训练开始了，慢慢等待吧~

关于 YOLOv3 详细的训练步骤就介绍到这里，下一篇我将带大家来学习一下使用 YOLOv3 训练好的模型进行实际的图片测试还有如何进行批量测试~

---