【转发】实现yolo3模型训练自己的数据集总结

　　原文链接：实现yolo3模型训练自己的数据集总结

　　经过两天的努力，借鉴网上众多博客，在自己电脑上实现了使用yolo3模型训练自己的数据集并进行测试图片。本文主要是我根据下面参考文章一步步实施过程的总结，可能没参考文章中那么详细，但是会包含一些参考文章中没提及的容易掉坑的小细节，建议读者结合参考文章一起看，一步步走即可。首先贴出本文主要参考的文章以及代码出处：

代码：https://github.com/qqwweee/keras-yolo3

参考文章：https://blog.csdn.net/patrick_Lxc/article/details/80615433

一.下载项目源码，进行快速测试

　　从上面代码链接处下载整个项目源码。下载好后，首先根据github中指引进行快速测试。

　　yolo web：https://pjreddie.com/darknet/yolo

　　对应操作如下（命令行操作）：

　　1.  wget https://pjreddie.com/media/files/yolov3.weights                                  

　　注释：这里wget为linux命令，windows系统可以直接访问后面链接来下载yolov3权重文件，也可以访问yolo web去下载。

　　2. python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

　　注释：执行convert.py文件，此为将darknet的yolo转换为可以用于keras的h5文件，生成的h5被保存在model_data下。命令中的convert.py和yolov3.vfg克隆下来后已经有了，不需要单独下载。

　　3.用已经被训练好的yolo.h5进行图片识别测试。执行：python yolo.py

　　执行后会让你输入一张图片的路径，因为我准备的图片（网上随便找的）放在yolo.py同级目录，所以直接输入图片名称，没有加路径。

　　过程和结果如下图所示：

　　以上结果表明快速开始项目成功，接下来我们进行搭建自己的数据集，进行模型的训练以及训练后模型用于测试图片识别。

二.准备自己的数据集

　　可以按照上面参考文章里面做法下载VOC数据集，然后清空里面内容，保留文件目录结构。也可以直接手动创建如下目录结构：

　　这里面用到的文件夹是Annotation、ImageSets和JPEGImages。注意：需要在VOC2007再创建一个上级目录VOCdevkit。

　　其中文件夹Annotation中主要存放xml文件，每一个xml对应一张图像，并且每个xml中存放的是标记的各个目标的位置和类别信息，命名通常与对应的原始图像一样；而ImageSets我们只需要用到Main文件夹，这里面存放的是一些文本文件，通常为train.txt、test.txt等，该文本文件里面的内容是需要用来训练或测试的图像的名字；JPEGImages文件夹中放我们已按统一规则命名好的原始图像。

　　原始图片就不解释了，而与原始图片一 一对应的xml文件，可以使用LabelImg工具，具体使用方法百度即可。工具可以从参考的博客中的附带地址下载，也可以自己网上找，很容易。

　　将自己的图片以及xml按照要求放好后，在VOC2007的同级目录下建立convert_to_txt.py文件，拷贝下面的代码，然后运行该py文件。该代码是读取上面的xml文件中图片名称，并保存在ImageSets/Main目录下的txt文件中。注意：此处txt中仅有图片名称。

代码：

import os
import random
 
trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSetsMain'
total_xml = os.listdir(xmlfilepath)
 
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
 
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
 
for i in list:
    name = total_xml[i][:-4] + '
'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftest.write(name)
        else:
            fval.write(name)
    else:
        ftrain.write(name)
 
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

　　然后，回到从github上下载的源码所在目录，执行其中的voc_annotation.py，会在当前目录生成新的三个txt文件，手动去掉名称中2007_部分。当然，可以自己进入voc_annotation.py修改代码，使生成的txt文件名中不包含2007_。

　　注意：一开始VOC2007，也可以叫VOC2008之类，这样此处的txt就会成为2008_xxx.txt。此外，有一个很关键的地方需要注意，必须修改，不然此处生成的三个新的txt文件中仅仅比前面Main下的txt中多了图片路径而已，并不包含框box的信息，这样的话在后面的训练步骤，由于没有框的信息，仅仅是图片路径和名称信息，是训练不好的，即使可以得到训练后的h5文件，但是当用这样的h5文件去执行类似前面所说的测试图片识别，效果就是将整幅图框住，而不是框住你所要识别的部分。

　　故所要做的是：在执行voc_annotation.py之前，打开它，进行修改。将其中最上面的sets改为你自己的，比如2012改为我得2007，要和前面的目录年份保持一致。还需要将最上面的classes中的内容，改为你自己xml文件中object属性中name属性的值。你有哪些name值，就改为哪些，不然其中读取xml框信息的代码就不会执行。

上面是我的xml中一个object截图，这里的name实际上为你用LableIma工具画框时候给那个框的命名值。

至此，自己数据集的准备工作就完成了。

三.修改一些文件，然后执行训练

　　首先是修改model_data下的文件，放入你的类别，coco,voc这两个文件都需要修改。这里的命名会成为最终检测图片时候框的框上的名称。

　　其次是yolov3.cfg文件

　　这一步事后我和同学讨论了下，得出的结论是，从0开始训练自己的模型，则不需要下面的修改步骤，而如果想用迁移学习思想，用已经预训练好的权重接着训练，则需要下面的修改步骤。

　　DE里直接打开cfg文件，ctrl+f搜 yolo, 总共会搜出3个含有yolo的地方。

　　每个地方都要改3处，filters：3*（5+len（classes））；

                                   　　 classes: len(classes) = 1，我只识别一种，所以为1

                                   　　 random：原来是1，显存小改为0   

　　如果要用预训练的权重接着训练，则需要执行以下代码：然后执行原train.py就可以了。原train.py中有加载预训练权重的代码，并冻结部分层数，在此基础上进行训练。可以修改冻结层数。

　　python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5

这个在github和参考的文章中均提到。

如果不用预训练的权重，上一步不用执行（执行也没影响），但是下面的train.py需要修改，改为如下所示（代码出处为上文提到的参考博客中）：直接复制替换原train.py即可

"""
Retrain the YOLO model for your own dataset.
"""
import numpy as np
import keras.backend as K
from keras.layers import Input, Lambda
from keras.models import Model
from keras.callbacks import TensorBoard, ModelCheckpoint, EarlyStopping
 
from yolo3.model import preprocess_true_boxes, yolo_body, tiny_yolo_body, yolo_loss
from yolo3.utils import get_random_data
 
 
def _main():
    annotation_path = 'train.txt'
    log_dir = 'logs/000/'
    classes_path = 'model_data/voc_classes.txt'
    anchors_path = 'model_data/yolo_anchors.txt'
    class_names = get_classes(classes_path)
    anchors = get_anchors(anchors_path)
    input_shape = (416,416) # multiple of 32, hw
    model = create_model(input_shape, anchors, len(class_names) )
    train(model, annotation_path, input_shape, anchors, len(class_names), log_dir=log_dir)
 
def train(model, annotation_path, input_shape, anchors, num_classes, log_dir='logs/'):
    model.compile(optimizer='adam', loss={
        'yolo_loss': lambda y_true, y_pred: y_pred})
    logging = TensorBoard(log_dir=log_dir)
    checkpoint = ModelCheckpoint(log_dir + "ep{epoch:03d}-loss{loss:.3f}-val_loss{val_loss:.3f}.h5",
        monitor='val_loss', save_weights_only=True, save_best_only=True, period=1)
    batch_size = 10
    val_split = 0.1
    with open(annotation_path) as f:
        lines = f.readlines()
    np.random.shuffle(lines)
    num_val = int(len(lines)*val_split)
    num_train = len(lines) - num_val
    print('Train on {} samples, val on {} samples, with batch size {}.'.format(num_train, num_val, batch_size))
 
    model.fit_generator(data_generator_wrap(lines[:num_train], batch_size, input_shape, anchors, num_classes),
            steps_per_epoch=max(1, num_train//batch_size),
            validation_data=data_generator_wrap(lines[num_train:], batch_size, input_shape, anchors, num_classes),
            validation_steps=max(1, num_val//batch_size),
            epochs=500,
            initial_epoch=0)
    model.save_weights(log_dir + 'trained_weights.h5')
 
def get_classes(classes_path):
    with open(classes_path) as f:
        class_names = f.readlines()
    class_names = [c.strip() for c in class_names]
    return class_names
 
def get_anchors(anchors_path):
    with open(anchors_path) as f:
        anchors = f.readline()
    anchors = [float(x) for x in anchors.split(',')]
    return np.array(anchors).reshape(-1, 2)
 
def create_model(input_shape, anchors, num_classes, load_pretrained=False, freeze_body=False,
            weights_path='model_data/yolo_weights.h5'):
    K.clear_session() # get a new session
    image_input = Input(shape=(None, None, 3))
    h, w = input_shape
    num_anchors = len(anchors)
    y_true = [Input(shape=(h//{0:32, 1:16, 2:8}[l], w//{0:32, 1:16, 2:8}[l], 
        num_anchors//3, num_classes+5)) for l in range(3)]
 
    model_body = yolo_body(image_input, num_anchors//3, num_classes)
    print('Create YOLOv3 model with {} anchors and {} classes.'.format(num_anchors, num_classes))
 
    if load_pretrained:
        model_body.load_weights(weights_path, by_name=True, skip_mismatch=True)
        print('Load weights {}.'.format(weights_path))
        if freeze_body:
            # Do not freeze 3 output layers.
            num = len(model_body.layers)-3
            for i in range(num): model_body.layers[i].trainable = False
            print('Freeze the first {} layers of total {} layers.'.format(num, len(model_body.layers)))
 
    model_loss = Lambda(yolo_loss, output_shape=(1,), name='yolo_loss',
        arguments={'anchors': anchors, 'num_classes': num_classes, 'ignore_thresh': 0.5})(
        [*model_body.output, *y_true])
    model = Model([model_body.input, *y_true], model_loss)
    return model
def data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    np.random.shuffle(annotation_lines)
    i = 0
    while True:
        image_data = []
        box_data = []
        for b in range(batch_size):
            i %= n
            image, box = get_random_data(annotation_lines[i], input_shape, random=True)
            image_data.append(image)
            box_data.append(box)
            i += 1
        image_data = np.array(image_data)
        box_data = np.array(box_data)
        y_true = preprocess_true_boxes(box_data, input_shape, anchors, num_classes)
        yield [image_data, *y_true], np.zeros(batch_size)
 
def data_generator_wrap(annotation_lines, batch_size, input_shape, anchors, num_classes):
    n = len(annotation_lines)
    if n==0 or batch_size<=0: return None
    return data_generator(annotation_lines, batch_size, input_shape, anchors, num_classes)
 
if __name__ == '__main__':
    _main()   

　　我是在cpu版本tensorflow上跑的，故特别慢，有运算资源的就不说了，如果资源有限，建议少弄些图片和xml文件，这样最后的txt文件中数据就少，跑起来轻松点。其次可以修改train.py中的迭代次数epochs的值，该值原作者设置的为500；也可以修改batch_size = 10的大小。

　　注意：我第一次训练时候，确实在目录下自动生成了logs文件夹，并在其中生成000文件夹，然后里面放的是自己训练好的h5文件。但是后来我调试代码，删除该目录，再次训练时，报如下错误：

　　此时只需要手动创建logs文件夹和其内的000文件夹即可。嫌名字不好，可以自己修改train.py文件，改里面的保存目录。

　　下面为成功测试截图：

　　四.用自己训练的h5文件进行测试

　　先修改yolo.py文件中的模型路径，如下所示，改为自己训练后生成的h5文件路径。

　　然后执行，测试过程和前面所讲一样，因为我得没怎么训练，就不贴出很挫的测试效果图了。在最初没有框信息的txt文件训练后，执行测试很慢，因为训练时候根本不知道要框什么，改为正常txt后，训练后的模型进行测试，速度就会很快。