1. 下载安装

   • 去官网https://tzutalin.github.io/labelImg/ 下载地址

   • 或者pip install labelimg然后去安装python的根目录里的scripts里找到labelimg.exe文件运行

2. 使用labelimg制作自己的数据集

   

   • 点击open Dir选择存放图片集的images文件夹，点击Change Save Dir来选择存放标签的文件夹， 这里为了简便操作，只要将标签放在图片的同一images文件夹下即可
   • 将voc切换成yolo（如果手头有做好的数据集，但是标签是xml格式的可以运行xml-txt.py脚本，修改其中的路径就可以生成yolo格式的txt文件了）
   • 然后就可以标记图片了，点击Create RectBox（或者按快捷键W）然后框出狸猫（我这里是狸猫，你想要找出什么目标就框什么）
   • 写下目标的名字，点击ok（图片中出现几个就标注几个）
   • 再点击save（也可以按Crtl+S快捷键），然后点击next image（也可以按方向键的→）标注下一副图片
   • 接着将标注好的数据进行压缩，名为images.zip的文件

为了训练图像数据集，我们将使用google colab提供的免费服务器。

（当然为了去这个网站你需要科学上网，如果没有办法连上这个网站，可以加我QQ：865081643来咨询）

它是免费的，唯一的缺点是您可以连续使用12个小时，之后将断开连接并删除文件。 您可以重新启动它，但是从头开始做所有事情。

我们可以通过将google colab与google drive连接来解决此问题，因此在断开连接的情况下我们不会丢失文件。

1. 转到google drive并登录。如果您没有帐户，请创建一个帐户并登录。
2. 创建一个名为“ yolov3”的新文件夹。
3. 然后将您之前创建的文件“ images.zip”上传到yolov3文件夹中。

1. 进入google colab并使用您用于登录Google Drive的相同帐户登录。

2. 上传文件“ Train_YoloV3.ipynb”

3. 然后，我们需要启用GPU。因此，单击菜单栏中的编辑（edit），选择笔记本设置（notebook setting），然后选择GPU再点击保存。

4. 

   运行第二句时出现这种情况就点击链接，出现google drive的访问权限选择允许，然后复制出现代码，将代码粘贴到对话框中，然后按回车

5. 此后的命令可以全部运行，可以点击菜单栏中的runtime中的run all。

   看到这样的输出说明正在训练了。大概训练三四个小时可以初见端倪。中间出现报错有可能是路径错误，可以自己排查一下。

• 每进行100次训练就会生成一次“ yolov3_training_last.weights”权重文件，而每进行1000次训练就会生成一个权重文件，例如“ yolov3_training__1000.weights”，“ yolov3_training_2000.weights”。这些权重文件需要去google云盘https://drive.google.com/ 下载。

• 想要测试训练的效果如何，就将权重文件放在我的python项目的同一目录里，使用opencv来测试模型。

• “ yolo_object_detection.py”的代码第11行上，将class名称更改“ raccoon”。

• 修改第14行的图片路径，以便可以对其进行测试。

• 最后的效果

  我训练的次数还不够，所以拟合效果还不是很好，但对于小白来说是一个很简单也很方便的训练方式