如何训练自己的数据集05191

preview
试读
7页
pytorch
需积分: 0 0 下载量 178 浏览量 更新于2022-08-08 收藏 350KB DOCX 举报
（2）打开get_map.py文件，可以修改map_mode为01234，但是若修改为4需要注意下注释 （2）数据集问题，小于500的自行考虑增加数据集，同时测
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
（4）map_out 文件夹。因为保存的是上一次测试的结果，必须删掉。
2. 用 labelimg 制作数据集，原图片需要是 jpg 格式，标签必须是 voc 格式（XML 文件，
且格式必须和 VOC2007+2012 的一样）。可以用 python 函数将 png 格式转成 jpg 格式，
函数在 F 盘的 DataSet_VOC/convert_img.py
3. 将制作的数据集中的图片（只能是 jpg 格式）和标签分别放在 VOCdevkit\VOC2007 文
件夹下的 JPEGImages 文件夹和 Anotations 文件夹下。
4. 在 model_data 文件夹下新建一个 txt 文件，里面是数据集里面的类别，要竖着写，
比如 dog、cat、person......。比如命名为 my_classes.txt。
5. 打开 voc_anotations.py 文件：
（1）修改 annotation_mode = 0
（2）修改 classes_path = 'model_data/my_classes.txt'
（3）运行 voc_anotations.py 生成所需 txt 文件
6. 打开 train.py 文件:
（1）修改 classes_path = 'model_data/my_classes.txt'，这个 txt 必须和 voc_annotation.py
里面的 txt 一样！。
（2）model_path = 'model_data/yolo_weights.pth'是加载别人预训练的权重，一般不修改
（要先把这个权重文件下载下来放在对应文件夹下面）
（3）input_shape= [416, 416]，可以根据自己数据集图片的大小修改，比如 640，608，320
等，但必须是 32 的倍数
（4）冻结阶段与解冻阶段的参数修改，如 epoch、batch_size、lr 等
（5）Freeze_Train 为 True。利用了迁移学习。
（6）num_workers 在 Windows 下可以设置为 4，但训练程序必须在 main 函数内。
（7）运行 train.py 进行训练，同时会在 logs 文件夹下面保存损失函数信息，文件夹里面
放的是损失函数（包括训练、测试与验证），以及模型权重。
7. 打开 predict.py 文件，利用训练好的权重进行预测：
（1）在预测之前，进入 YOLO()这个类里面调整一些参数：
首先是载入自己训练出的权重和指明数据集类别--->
"model_path" : './logs/ep010-loss62.651-val_loss50.685.pth',
"classes_path" : 'model_data/my_classes.txt',
注：此处类别的 txt 必须和训练的 train.py 文件里的一样。
然后可以调整置信度阈值和 nms_iou 阈值--->

剩余6页未读，继续阅读

资源推荐
资源评论
狼You
  • 粉丝: 27
  • 资源: 324
上传资源 快速赚钱
voice
center-task 前往需求广场，查看用户热搜

最新资源