經過兩天的努力，借鑑網上眾多部落格，在自己電腦上實現了使用yolo3模型訓練自己的資料集並進行測試圖片。本文主要是我根據下面參考文章一步步實施過程的總結，可能沒參考文章中那麼詳細，但是會包含一些參考文章中沒提及的容易掉坑的小細節，建議讀者結合參考文章一起看，一步步走即可。首先貼出本文主要參考的文章以及程式碼出處：

程式碼：https://github.com/qqwweee/keras-yolo3

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

一.下載專案原始碼，進行快速測試

從上面程式碼連結處下載整個專案原始碼。下載好後，首先根據github中指引進行快速測試。

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

對應操作如下（命令列操作）：

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

註釋：這裡wget為linux命令，windows系統可以直接訪問後面連結來下載yolov3權重檔案，也可以訪問yolo web去下載。

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

註釋：執行convert.py檔案，此為將darknet的yolo轉換為可以用於keras的h5檔案，生成的h5被儲存在model_data下。命令中的convert.py和yolov3.vfg克隆下來後已經有了，不需要單獨下載。

3.用已經被訓練好的yolo.h5進行圖片識別測試。執行：python yolo.py

執行後會讓你輸入一張圖片的路徑，因為我準備的圖片（網上隨便找的）放在yolo.py同級目錄，所以直接輸入圖片名稱，沒有加路徑。

過程和結果如下圖所示：

以上結果表明快速開始專案成功，接下來我們進行搭建自己的資料集，進行模型的訓練以及訓練後模型用於測試圖片識別。

二.準備自己的資料集

可以按照上面參考文章裡面做法下載VOC資料集，然後清空裡面內容，保留檔案目錄結構。也可以直接手動建立如下目錄結構：

這裡面用到的資料夾是Annotation、ImageSets和JPEGImages。注意：需要在VOC2007再建立一個上級目錄VOCdevkit。

     其中資料夾Annotation中主要存放xml檔案，每一個xml對應一張影象，並且每個xml中存放的是標記的各個目標的位置和類別資訊，命名通常與對應的原始影象一樣；而ImageSets我們只需要用到Main資料夾，這裡面存放的是一些文字檔案，通常為train.txt、test.txt等，該文字檔案裡面的內容是需要用來訓練或測試的影象的名字；JPEGImages資料夾中放我們已按統一規則命名好的原始影象。

      原始圖片就不解釋了，而與原始圖片一 一對應的xml檔案，可以使用LabelImg工具，具體使用方法百度即可。工具可以從參考的部落格中的附帶地址下載，也可以自己網上找，很容易。

     將自己的圖片以及xml按照要求放好後，在VOC2007的同級目錄下建立convert_to_txt.py檔案，拷貝下面的程式碼，然後執行該py檔案。該程式碼是讀取上面的xml檔案中圖片名稱，並儲存在ImageSets/Main目錄下的txt檔案中。注意：此處txt中僅有圖片名稱。

程式碼：

import os
import random

trainval_percent = 0.1
train_percent = 0.9
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
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] + '\n'
    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()

    然後，回到從github上下載的原始碼所在目錄，執行其中的voc_annotation.py，會在當前目錄生成新的三個txt檔案，手動去掉名稱中2007_部分。當然，可以自己進入voc_annotation.py修改程式碼，使生成的txt檔名中不包含2007_。

注意：一開始VOC2007，也可以叫VOC2008之類，這樣此處的txt就會成為2008_xxx.txt。此外，有一個很關鍵的地方需要注意，必須修改，不然此處生成的三個新的txt檔案中僅僅比前面Main下的txt中多了圖片路徑而已，並不包含框box的資訊，這樣的話在後面的訓練步驟，由於沒有框的資訊，僅僅是圖片路徑和名稱資訊，是訓練不好的，即使可以得到訓練後的h5檔案，但是當用這樣的h5檔案去執行類似前面所說的測試圖片識別，效果就是將整幅圖框住，而不是框住你所要識別的部分。

故所要做的是：在執行voc_annotation.py之前，開啟它，進行修改。將其中最上面的sets改為你自己的，比如2012改為我得2007，要和前面的目錄年份保持一致。還需要將最上面的classes中的內容，改為你自己xml檔案中object屬性中name屬性的值。你有哪些name值，就改為哪些，不然其中讀取xml框資訊的程式碼就不會執行。

上面是我的xml中一個object截圖，這裡的name實際上為你用LableIma工具畫框時候給那個框的命名值。

至此，自己資料集的準備工作就完成了。

三.修改一些檔案，然後執行訓練

首先是修改model_data下的檔案，放入你的類別，coco,voc這兩個檔案都需要修改。這裡的命名會成為最終檢測圖片時候框的框上的名稱。

其次是yolov3.cfg檔案

這一步事後我和同學討論了下，得出的結論是，從0開始訓練自己的模型，則不需要下面的修改步驟，而如果想用遷移學習思想，用已經預訓練好的權重接著訓練，則需要下面的修改步驟。

IDE裡直接開啟cfg檔案，ctrl+f搜 yolo, 總共會搜出3個含有yolo的地方。

每個地方都要改3處，filters：3*（5+len（classes））；

                                    classes: len(classes) = 1，我只識別一種，所以為1

                                    random：原來是1，視訊記憶體小改為0   

如果要用預訓練的權重接著訓練，則需要執行以下程式碼：然後執行原train.py就可以了。原train.py中有載入預訓練權重的程式碼，並凍結部分層數，在此基礎上進行訓練。可以修改凍結層數。

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

這個在github和參考的文章中均提到。

如果不用預訓練的權重，上一步不用執行（執行也沒影響），但是下面的train.py需要修改，改為如下所示（程式碼出處為上文提到的參考部落格中）：直接複製替換原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，故特別慢，有運算資源的就不說了，如果資源有限，建議少弄些圖片和xml檔案，這樣最後的txt檔案中資料就少，跑起來輕鬆點。其次可以修改train.py中的迭代次數epochs的值，該值原作者設定的為500；也可以修改batch_size = 10的大小。

注意：我第一次訓練時候，確實在目錄下自動生成了logs資料夾，並在其中生成000資料夾，然後裡面放的是自己訓練好的h5檔案。但是後來我除錯程式碼，刪除該目錄，再次訓練時，報如下錯誤：

此時只需要手動建立logs資料夾和其內的000資料夾即可。嫌名字不好，可以自己修改train.py檔案，改裡面的儲存目錄。

下面為成功測試截圖：

四.用自己訓練的h5檔案進行測試

先修改yolo.py檔案中的模型路徑，如下所示，改為自己訓練後生成的h5檔案路徑。

然後執行，測試過程和前面所講一樣，因為我得沒怎麼訓練，就不貼出很挫的測試效果圖了。在最初沒有框資訊的txt檔案訓練後，執行測試很慢，因為訓練時候根本不知道要框什麼，改為正常txt後，訓練後的模型進行測試，速度就會很快。