darknet框架中YOLOv3对数据集进行训练和预测详解

git clone https://github.com/pjreddie/darknet

cddarknet

　　上述命令首先从darknet的源码地址复制一份源码到本地，下载下来的是一个名为darknet的文件。然后进入这个名为darknet的文件夹。

2. 修改darknet的Makefile文件

　　Note：如果不需要darknet在GPU上运行，则略过此步骤，只需执行make命令。在命令窗口输入以下命令打开Makefile文件：

1	`vi Makefile`

　　将Makefile文件开头的GPU=0改为GPU=1，如下所示：

GPU=1

CUDNN=0

OPENCV=0

OPENMP=0

DEBUG=0

　　修改完之后，需要执行make命令才可以生效。

make

3. 准备数据集

　　在./darknet/scripts文件夹下创建文件夹，命名为VOCdevkit，然后再在VOCdevkit文件夹下创建一系列文件夹，整个目录结构如下所示：

VOCdevkit

-VOC2019 # 这个文件夹的年份可以自己取

--Annotations # 在这个文件夹下存放所有的xml文件

--ImageSets

---Main # 在这个文件夹下新建两个TXT文件

----train.txt

----val.txt

--JPEGImages # 在这个文件夹下存放所有的图片文件

　　上述文件及文件夹创建好之后，下面来对我们的数据集生成train.txt和val.txt，这两个文件中存放训练图像和测试图像的文件名（不含.jpg后缀）。新建一个creat_train_val_txt.py文件（名字可以自己随便取），然后将以下代码复制进去（注意相应路径的修改）

#coding:utf-8

importos

fromos importlistdir, getcwd

fromos.path importjoin

if__name__ ==__main__: # 只有在文件作为脚本文件直接执行时才执行下面代码

source_folder=/home/tukrin/zhl/darknet/scripts/VOCdevkit/VOC2019/JPEGImages/#图片保存的路径

dest=/home/tukrin/zhl/darknet/scripts/VOCdevkit/VOC2019/ImageSets/Main/train.txt#写有图片的名字的路径

dest2=/home/tukrin/zhl/darknet/scripts/VOCdevkit/VOC2019/ImageSets/Main/val.txt#写有图片的名字的路径

file_list=os.listdir(source_folder) #获取各图片的名称

train_file=open(dest,a) #追加写打开

val_file=open(dest2,a) #追加写打开

count =0

forfile_obj infile_list:

count +=1

file_path=os.path.join(source_folder,file_obj) #路径拼接指向图片文件的路径

file_name,file_extend=os.path.splitext(file_obj) #分离文件名与扩展名 file_name为去掉扩展名的图片名称

# file_num=int(file_name)

if(count<800):

train_file.write(file_name+\n) #写入去掉扩展名的文件名名称前800个作为训练集数据

else:

val_file.write(file_name+\n) #写入去掉扩展名的文件名名称后面的作为验证集数据

train_file.close() #关闭文件

val_file.close() #关闭文件

　　制作好creat_train_val_txt.py文件后，在命令行执行该文件：

负载均衡

云数据库

域名注册

常见问题

云计算