Yolov3 训练自己的数据集 Pytorch 最简单 最少代码 最易调参

2023-10-08 07:48

本文主要是介绍Yolov3 训练自己的数据集 Pytorch 最简单 最少代码 最易调参,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2020-3-11更新了接口和修改了示例代码,旧版本读者请注意异同,详细参考博文最后说明

目前烦恼

你是不是已经被网上繁琐的 Yolov3 训练自己数据集的教程搞晕了?
你是不是还在纠结 xxx.cfg 文件到底怎样改又或者网上参差不齐的训练代码难以调参?

如果你仅仅是为了追求工程上的快速搭建开发,这里使用基于Pytorch的第三方库 “芷山” (英文:zisan)来实现最快速的Yolov3训练自己数据集。

这里提供下地址:
zisan官网

zisan Yolov3训练自己数据集 实现文档

安装zisan包

可以参考官网文档:
Install and download weights

(假设你已经配置好了 Pytorch +CUDA+CUDNN)
Pytorch+CUDA+CUDNN配置教程

第一步:

安装zisan包,打开命令行输入:(提示缺哪些辅助库就自己安装哪些)

pip install zisan
第二步:

下载 Yolov3, Yolov3-tiny,Yolov3-spp 的权重文件
这里我们不需要到其他地方额外下载,官网上已经给出了配套的辅助文件,文件夹的名字不要修改,如果修改的话在后面使用的时候传参需要修改比较麻烦,我们按着最简单的步骤取完成即可。
百度云:https://pan.baidu.com/s/1qj-Lpe4OKV0L-w9uKO8EFw
提取码:x9wl
我们只需要完成 训练数据集的目标检测任务,只需要Yolov3的权重,找到 runBox.zip (475 MB)下载:
runBox.zip
下载之后,解压如下目录:
runbox inside
此时,cfgs和weights文件夹是有权重和网络配置文件的,我们不要也不需要取改动它。

我们只需要在data文件夹里面放我们自己的数据即可。

数据集准备

这里实例使用红细胞数据集
下载地址:
链接: https://pan.baidu.com/s/1hYPFJH5XnRV0THV1pW5ALA
提取码: nlbq

数据集解压之后:
dataset
Annotations 文件夹放置的是xml标记文件,JPEGImages 文件夹放置的是 jpg图片
这时,我们无需做任何处理,只需要做两次傻瓜式复制即可:

第一步:把所有的xml文件复制到刚才的runBox/data/Annotations/ 里面
第二步:把所有的图片文件复制到刚才的runBox/data/images/里面

(这是data文件夹的目录,如果是你自己构造目录,睁大你的卡姿兰大眼睛,大小写分清楚!)
data
其余两个文件夹是空的,我们无需理会,但千万不要删除。

开始写 train.py

我们在runBox文件夹新建一个py文件
newtrain
train.py:

from zisan.ObjDetect.Interface import ObjDetect_train, ObjDetect_Preprocess
import os
if __name__ == "__main__":  pr=ObjDetect_Preprocess(classnames=['RBC'],currentpath='D:/xxx/runBox') # cuurentpath is needed, current path parameter is your runBox pathtrainModel=ObjDetect_train(currentpath='D:/xxx/runBox')trainModel.Run(cfg='yolov3-tiny.cfg',epochs=10)

接下来,python train.py 即可
如果你需要 调整训练参数,可以参考:
Package: ObjDetect

epochs: The times you loop training.
batch_size: The sum of once you
put into training. cfg: You can choose ‘yolov3-ting.cfg’,
‘yolov3-spp.cfg’ and ‘yolov3.cfg’, you must sure the weights folder
has the corresponding weight.
img_size: You can set as (height,width),
also like above 416 means (416,416)
resume: Due to the limitation of device resources, you may not be able to train too much data at a time. At this time, you can use resume to continue training for the weight of last cooling
num_workers: Multithreading, you must use main to use this nosave: if save each epoch weight

训练完毕,我们的训练出来的pth就放在weights文件夹里面,自行取用。
有两个weight :
last.pth
best.pth

pth
zisan 还支持 Resume Training
我们只需要使用 resume=True 和把epoches 调大即可

if __name__ == "__main__":  pr=ObjDetect_Preprocess(classnames=['RBC'],currentpath='D:/xxx/runBox') # cuurentpath is needed, it is your runBox pathtrainModel=ObjDetect_train(currentpath='D:/xxx/runBox')trainModel.Run(cfg='yolov3-tiny.cfg',epochs=20,resume=True)

开始写detect.py

同理,在runBox文件夹里面新建一个detect.py 文件:
detect
detect.py

from zisan.ObjDetect.Interface import ObjDetect_detect, ObjDetect_train, ObjDetect_Preprocess
import os
import cv2
from skimage import ioif __name__ == "__main__":  detectModel=ObjDetect_detect(cfg='yolov3-tiny.cfg',currentpath='D:/xxx/runBox') #Your runBox path is neededimg=io.imread('D:/1.jpg')img=cv2.resize(img,(480,640)) # Here rechange for your train images set Height and widthre,im0=detectModel.detect_from_RGBimg(img,is_showPreview=True)print(re) #re is a result list, item is dictionary and the format is: {'class':xx,'x0':xx,'x1':xx,'y0':xx,'y1':xx}

这里放上某一张的检测结果:
result
至此,已经完成所有的Yolov3 训练自己的数据集的任务了

附:zisan底层源码:

或许会有朋友觉得这种高度集成的工具没什么价值,其实zisan是我业余完成的一个工具包,也是里面有部分参考了开源的Pytorch Yolov3改写的版本,已经比其他社区参差不齐的代码好用了,我本意是做一个可以快速搭建CV开发的工具包,现在只完成了目标检测和对象语义分割的接口。

如果有兴趣的朋友可以到zisan 的Github上点个Star
邮箱:jintuzheng@outlook.com
Github:zisan https://github.com/EpsilionJT/zisan

如果本文不够详细可以参见另外一篇Blog:

https://blog.csdn.net/rizero/article/details/104192332

2020-3-11更新补充:

关于部分读者不能成功运行的原因汇总:
(1)最好使用torch版本1.2,部分函数最新的1.4有可能出现兼容问题
(2)current_path参数目的是引入cfg文件和权重文件以及进行预处理,当时写接口的时候没能考虑到部分读者的python解释器是运行在虚拟路径的,我已经对博客和源码进行了修改,获取最新版本只需要重新pip就行了。

pip uninstall zisan
pip install zisan

(3)如果你实在无法传入绝对路径的话,可以尝试以下解决方案:

current_path = os.path.dirname(__file__)

改成:

current_path = os.getcwd()

(4)新的detect文件已经更新了,参见博客原文

zisan1.0.12更新说明:

  1. 新版本已经废除了detectFromFiles函数,建议使用detectFromRGB函数
  2. current_path参数指的你的runBox路径,博客原文已经修改

最后的话

为保证你的环境和你的数据等配置都不出问题,建议:先用本文的红细胞数据集训练和检测成功之后再尝试自己的数据集,只要按照一些照套就会避免很多问题的出现

这篇关于Yolov3 训练自己的数据集 Pytorch 最简单 最少代码 最易调参的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/163787

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

用js控制视频播放进度基本示例代码

《用js控制视频播放进度基本示例代码》写前端的时候,很多的时候是需要支持要网页视频播放的功能,下面这篇文章主要给大家介绍了关于用js控制视频播放进度的相关资料,文中通过代码介绍的非常详细,需要的朋友可... 目录前言html部分:JavaScript部分:注意:总结前言在javascript中控制视频播放

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

springboot简单集成Security配置的教程

《springboot简单集成Security配置的教程》:本文主要介绍springboot简单集成Security配置的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录集成Security安全框架引入依赖编写配置类WebSecurityConfig(自定义资源权限规则