寫在前面

如何使用官方資料集參看上一篇文章《【YOLO初探】之 使用官方資料集做目標分類》

傳送門：https://blog.csdn.net/plSong_CSDN/article/details/85108256

這裡，筆者使用了260張訓練資料，完成了人臉中“眼睛”、“鼻子”、“嘴巴”的檢測，可以成功檢測出，雖效果不是很好，但是起碼方法是對的，特在此與與大家分享、在文章末尾完全共享了自己的資料集！

大家還是先看一下效果吧，宅男女神上場~~~

第一步：準備自己資料集

當然是準備一下自己的原材料。

1）下載VOC2007資料集，注意，請把資料夾裡面的所有檔案，注意是檔案，一個不留的刪除，只保留資料夾框架，可以完成後可以檢查一下，資料夾的大小是不是0。

2）將只保留資料夾的VOC2007資料集放在keras-yolo3-master資料夾下一級目錄下，這樣可以不用修改下面程式的路徑。如下，

3）將自己所有的圖片拷貝到”……\keras-yolo3-master\VOCdevkit\VOC2007\JPEGImages“檔案目錄下，最好都是jpg格式，至於為什麼，筆者未深究，待後續繼續學習。

好了，下一步就可以進行圖片的標記工作了。

第二步：資料標記

1）準備標記工具。使用LabelImg ，大家注意，需要把”“data\predefined_classes.txt”檔案中的內容修改為自己類比，如下，我這裡是三類。

2）開啟abelImg.exe，如果開啟失敗，可以嘗試“管理員身份執行”。選擇“Open Dir”瀏覽到”……\keras-yolo3-master\VOCdevkit\VOC2007\JPEGImages“。如下，

標記時常用的幾個快捷鍵，“w”：啟用標記框；“d”：下一張圖片；“a”：上一張圖片。

標記完成後，將生成的“XML”檔案，拷貝到“……\keras-yolo3-master\VOCdevkit\VOC2007\Annotations”中。

3）將“test.py”檔案拷貝到“……\keras-yolo3-master\VOCdevkit\VOC2007”，執行，在“……\keras-yolo3-master\VOCdevkit\VOC2007\ImageSets\Main”資料夾下，自動生成生成test.txt、train.txt、trainval.txt、val.txt檔案

第三步：生成yolo3所需的train.txt,val.txt,test.txt

執行voc_annotation.py檔案，注意在訓練自己的資料集時，需要將裡面的classes換成自己的，例如，“classes = ["eye", "nose", "mouth"]”，其他的不需要改變。

在“……\keras-yolo3-master\目錄下生成的三個以“2007_”打頭的txt檔案，手動刪掉“2007_”。

 第四步：修改引數檔案yolo3.cfg

大家注意，需要修改的地方一共是三處，每一處都要修改三個地方。

                                    filters：3*（5+len（classes））；

                                    classes: len(classes) = 3，這裡是"eye", "nose", "mouth"三類

                                    random：改為0

[convolutional]
size=1
stride=1
pad=1
filters=24#這裡
activation=linear


[yolo]
mask = 6,7,8
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=3#這裡
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=0#這裡

第五步：修改model_data

修改“……\keras-yolo3-master\model_data”目錄下的“coco_classes.txt、voc_classes.txt”這兩個檔案，將自己類別填入進去。

第六步：開始訓練

在“……\keras-yolo3-master”建一個“\keras-yolo3-master\logs\000”資料夾，用來存放訓練完成的權重檔案

原始的batch_size = 10，我這裡視訊記憶體不夠，會失敗，我是修改到了batch_size = 2，epochs=200，大概用了6~7小時完成訓練；

loss在20左右，

第七步：測試

1）將訓練完成的權重檔案，D:\cv_project\Fivesenses\keras-yolo3-master\logs\000目錄下的trained_weights.h5，修改名稱為“yolo.h5”，拷貝到“……\keras-yolo3-master\model_data”目錄下。

2）在“……\keras-yolo3-master\”目錄下放一個測試圖片，執行yolo.py,會提示輸入圖片，

3）執行yolo_video.py，可以呼叫攝像頭進行測試，我這邊效果不是很好，可能是處理的速度的問題，後續在進行研究。

最後

資源下載地址：

第一部分：https://download.csdn.net/download/plsong_csdn/10868634

第二部分：https://download.csdn.net/download/plsong_csdn/10868639

第三部分：https://download.csdn.net/download/plsong_csdn/10868657

說明，上面的資源“第一部分”“第二部分”就可以直接執行，“第三部分”是自己訓練資料時候需要的內容。

完整的截圖：

本人也是剛剛開始學習yolo，歡迎大家交流學習，[email protected]

★finished by，songpl，2018.12.22.今天冬至