yolo_v2的训练过程

来源：互联网发布：数据挖掘应用案例分析编辑：程序博客网时间：2024/04/28 15:11

最近在使用yolo_v2进行新的训练，所以总结了一下训练过程，以便加深自己的理解，菜鸟一只，如果哪里有理解的不对，还请指正，谢谢，接下来大概一下训练过程：

1. 训练所需要准备的数据,和v1版本的一样:

A. 准备好Images,和保存类位置信息的Tags文件
B. 使用脚本准备训练所需的label文件,imageList-all.txt,iamgeList-train.txt,imageList-validation.txt文件,其实我们只用到了iamgeList-train.txt文件

2. 修改cfg文件，cfg文件夹下有许多cfg文件，这里我们用的是cfg/yolo-voc.cfg，【region】层里classes=20，我们这里只训练一个类，所以改为：classes=1，修改最后一层卷积层核参数个数，计算公式是依旧自己数据的类别数filter=num×（classes + coords + 1）=5×（1+4+1）=30，所以改为：filters=30

3. 接着需要修改cfg文件夹中的voc.data文件。这个按自己文件所放的路径修改，修改之后是：

   classes= 20 #修改为classes= 1
train = /home/pjreddie/data/voc/2007_test.txt #改为你iamgeList-train.txt文件所在的绝对路径
   valid = coco_testdev #似乎没用到，不用管
   names = data/voc.names #这里不用修改，下一步就是修改voc.names里的内容
   backup = /home/pjreddie/backup/ #这里是保存生成的权值的路径，你自己设置

4. 接着再修改data文件夹下voc.names文件里的内容，这里面你只需要保存你训练的类名就行，其它的可以全部删掉

5. 修改代码，有些内容需要改动

A.去src里找到data.c文件，在代码里找void fill_truth_swag()，void fill_truth_region(),void fill_truth_detection()函数，分别添加上find_replace(path, "Images", "labels", labelpath);

B.再打开detector.c文件，在void train_detector()函数里修改保存权值文件的迭代次数，默认好像是100次迭代保存一个结果，我改成了1000；

C.打开image.c文件，在代码里找void draw_detections()函数，调节下画的框的大小(int width = im.h * .012;)（当然这里可以不用修改，我修改是因为边框有点粗影响了观看检测的效果，所以这里根据自己情况选择）；

D.全部完成之后，重新进行编译，make -j4。

6. 到这里，我们所有的准备工作就完成了，接下来就可以开始训练了，这里有两种情况：

A.使用yolo官网提供的已经训练好的模型，初始化，进行训练：

./darknet partial cfg/darknet19_448.cfg darknet19_448.weights darknet19_448.conv.23 23

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23

B.用自己的数据集直接进行训练：

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg

7.训练结果出来后，我们就可以进行测试了，具体命令如下：

测试图片：./darknet detector test cfg/voc.data cfg/yolo-voc.cfg yolo-voc_final.weights images.png

测试视频：./darknet detector demo cfg/voc.data cfg/yolo-voc.cfg yolo-voc_final.weights test.MP4

0 0