洞察了解前端三大主流框架如何影响企业跨平台小程序开发的效率与灵活性
707
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~