信创国产化替换如何推动企业自主创新与市场竞争力提升
679
2022-11-24
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。
发表评论
暂时没有评论,来抢沙发吧~