-
-
下载安装
-
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
-
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。
- 转到google drive并登录。如果您没有帐户,请创建一个帐户并登录。
- 创建一个名为“ yolov3”的新文件夹。
- 然后将您之前创建的文件“ images.zip”上传到yolov3文件夹中。
-
进入google colab并使用您用于登录Google Drive的相同帐户登录。
-
上传文件“ Train_YoloV3.ipynb”
-
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。
-
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
-
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。
-
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
-
idyki / colab-yolov3 Goto Github PK
View Code? Open in Web Editor NEW小白也能用google colab来在线训练yolov3目标检测模型