1、所需环境
源码地址 https://github.com/qqwweee/keras-yolo3
python3
keras 2.1.5
tensorflow 1.6.0
2、下载源码以及预训练的权重
源码：
git clone https://github.com/qqwweee/keras-yolo3.git
权重：
wget https://pjreddie.com/media/files/yolov3.weights
源码文件结构：
—YOLO3-keras
│ coco_annotation.py #coco数据集格式转换
│ convert.py #权重格式转换
│ darknet53.cfg #darknet53网络配置文件
│ kmeans.py #k-means算法，用于生成预设的anchor box
│ train.py #训练
│ voc_annotation.py #voc数据集格式转换
│ yolo.py #预测
│ yolov3-tiny.cfg #yolo3-tiny配置文件
│ yolov3.cfg #yolo3的配置文件
│ yolo_video.py #yolo3预测视频
│
├─font #字体库，用于预测边框的文字
│ FiraMono-Medium.otf
│ SIL Open Font License.txt
│
├─model_data #模型数据
│ coco_classes.txt #coco类别
│ tiny_yolo_anchors.txt #anchor
│ voc_classes.txt #voc 类别
│ yolo_anchors.txt #anchor
│
└─yolo3
│ model.py #yolo模型
│ utils.py #yolo模型里用到的函数
│ __init__.py
3、准备自己的数据集及权重
- 明确自己的数据集格式，应该和voc的数据集格式相同，可以使用labelimg。
- 使用python voc_annotation.py转化数据集，格式如下
- 转换权重
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
其中 yolov3.cfg指yolo3的配置文件，yolov3.weights为下载好的预训练的权重，最后一个参数为输出路径，命名为yolo.h5
- 根据自己的数据集准备anchor （可选）
python kmeans.py
其中kmeans.py中需要根据自己需要修改的参数有（已红色标记）
if __name__ == "__main__":
cluster_number = 9 #生成的anchor
filename = "2012_train.txt" #数据集文件
kmeans = YOLO_Kmeans(cluster_number, filename)
kmeans.txt2clusters()
4、训练
python train.py
其中train.py的内容需要修改或注意的有(第16行)
def _main():
annotation_path = 'train.txt'
log_dir = 'logs/000/'
classes_path = 'model_data/voc_classes.txt'
anchors_path = 'model_data/yolo_anchors.txt'</span>
class_names = get_classes(classes_path)
num_classes = len(class_names)
anchors = get_anchors(anchors_path)
第30以及33行，明确权重路径。
第52行，如果Ture，则先冻结darknet53只训练yolo层。可以根据己需求更改为false或者迭代周期epoch次数。
第70行，如果True，则始终训练全部层。可以根据己需求更改为false或者迭代周期epoch次数。
5、预测
预测图片时，
python yolo.py
预测视频时，
python yolo_vedio.py [video_path] [output_path (optional)]
留言