yolo训练自己的数据集

前言

使用darknet来配置yolo训练自己的数据集是很很方便的

制作自己的数据集

训练自己的数据集首先要制作好训练集,制作数据集,yolo使用的数据集是voc格式的.制作数据集之前先要把自己的数据(一般是图片)进行标注,标注使用的工具是LabelImg,安装及使用方法可参考这篇博客.

标注完成后还需要进行一些处理,按照voc格式创建一些文件夹和必要的文件,我参考的是这篇博客.

制作过程也简单讲一下:
a.在“Image”文件夹下存放所有的图片样本（包括训练数据和验证数据，而且最好是jpg格式）
b.下载labelImg（一种图像标记工具，给图像中的目标打上标签，且可以生成训练需要的xml格式），具体的使用方法可以百度，操作起来很简单。
c.与“Image”文件夹同级新建“xml”文件夹，“xml”文件夹存放labelImg得到的所有图片样本的标签。
d.现在就是要将所有的样本分成训练集和验证集，而且要将训练集和验证集对应的xml也分开。这里下载python脚本，直接放在“Image”和“xml”文件夹同级路径。

具体的:

运行traindata.py：

生成trainImageXML文件夹，存放训练图片xml标签；
生成validateImage文件夹，存放验证集图片；
生成validateImageXML文件夹，存放验证集图片的xml标签。

运行trans.py:

生成trainImageLabelTxt文件夹，存放训练图片通过xml标签转化得到的txt文件（若在训练过程提示txt文件找不到，则把此文件夹下的txt文件夹移动到trainImage文件夹）；
生成validateImageLabelTxt文件夹，道理一样。
另外得到的trainImagePath.txt和validateImagePath.txt存放着训练图片和验证图片的路径。

配置yolo

参考博客