yolo.py 这个文件是与训练完之后进行预测用的，与训练过程无关。于是当下载了代码和
预训练权重之后，由于预训练权重是在 coco 数据集上训练出来的，于是 yolo.py 里面的
所要去预测的类别的 txt 文件只能指向 coco_classes.txt。虽然 voc 数据集（20 个类）里
面的类在 coco 数据集（80 个类）里面都有，但是如果修改为 voc_classes.txt 就会报错。
载入预训练权重可以预测 voc 里面没有但是 coco 里有的类，比如 umbrella。（如果只想
预测 voc 里面的类，请在代码里面修改，加上类别判定条件即可。）
关于使用预训练权重，比如使用 coco 训练出来的 YOLO 权重，coco 有 80 各类，而自己
的数据集不是 80 各类，其实只有最后输出的三个特征图在通道数上有区别，其他任何
地方都没有区别，所以加载的时候可以通过下面的代码加载匹配的权重：
所以，如果采用迁移学习去训练的话，不管是自己的数据集还是 voc2007+2012 数据集，
首先下载代码与预训练权重（注：如果修改了网络结构的话就没办法用预训练权重
了），参照以下步骤：
（前提要求：标签必须是 VOC 格式的，即 XML 文件。图片必须是 jpg 格式的。Coco 数
据集是 json 格式的标签，可以用程序转成 voc 格式。其他格式的图片也能转为 jpg 格式）
1. 首先删除一些东西：
（1）logs 文件夹下所有权重和日志文件
（2）VOCdevkit/VOC2007/ImageSets/Main 文件夹下的四个 txt 文件
（3）2007_train.txt 和 2007_val.txt 文件
剩余6页未读，继续阅读
评论0