Yolov3基于Windows系统训练及测试(二.训练及测试篇一)

Yolov3基于Windows系统训练及测试(二.训练及测试篇一)

深度学习.yolov3.基于Windows系统训练及测试.训练及测试篇一

​​0. 目录/步骤​​​​3. 基于yolov3的个人数据集训练(训练)​​

​​3.0 情况分析​​

​​3.0.1 情况目录列表​​​​3.0.2 特殊情况处理​​

​​3.1 准备VOC数据集​​

​​3.1.1 创建数据集​​​​3.1.2 替换待测数据​​

​​3.2 数据集批处理​​

​​3.2.1 分配训练集和验证集​​​​3.2.2 生成目标路径及导入坐标​​

​​3.3 修改数据集及工程属性​​

​​3.3.1建立数据集连接​​​​3.3.2卷积层属性修改​​

​​下一篇​​​​参考文档​​

0. 目录/步骤

3. 基于yolov3的个人数据集训练(训练)

3.0 情况分析

3.0.1 情况目录列表

4 其他情况,后期更新

3.0.2 特殊情况处理

为了增加文章的可读性减少文章的篇幅,我将其他比较特殊的情况单独整理成一篇,有需要的读者可以自行查阅:文章名:yolov3对于特殊情况数据的处理

网址:待贴

3.1 准备VOC数据集

3.1.1 创建数据集

3.1.2 替换待测数据

3.2 数据集批处理

3.2.1 分配训练集和验证集

1 网盘-链接(first-test.py):安装包:first-test.py

链接：​​提取码：dcrt

2 first-test.py帮助我们以二八原则随机分配数据,便于后期的训练 -好first-test.py,我们用pycharm打开,如果没有这个编译器的话,作者这里也提供-,网盘-链接(pycharm)安装包: pycharm

链接：​​提取码：dcrt

3.2.2 生成目标路径及导入坐标

1 在主目录scripts文件夹下,找到voc_label.py,如果没有的话,这里也提供-: 网盘-链接:安装包: voc_label.py

链接：​​修改数据集及工程属性

3.3.1建立数据集连接

3.3.2卷积层属性修改

最后就是修改我们的卷积层文件了,在x64目录下,找到yolov3-voc.cfg文件,用**记事本/Notepad++**打开,我们需要修改的五个参数如下:1修改filters,classes及 randomfilters: 与聚类数目分布有关,计算公式:filter=(num/3)x(classes+coords+1) 一般地, coords=4,num=9其中num在cfg中给出,需要大家根据自己情况确认,3.4.4也对该参数做了讲解 所以优化公式: filter=3x(classes+5),举个例子:作者中有一个类Vehicle.那么filter=3x(1+5)=18

下一篇

​​Yolov3基于Windows系统训练及测试(二.训练及测试篇二)​​

参考文档

[1]​​Win10+VS2017配置yolov3(2)–训练自己数据集​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。