ubuntu yolov2 訓練自己的數據集
項目需求+鍛煉自己，嘗試用yolov2跑自己的數據集，中間遇到了很多問題，記下來防止忘記
一、數據集
首先發現由於物體特殊沒有合適的現成的數據集使用，所以只好自己標註，為了減少工作量，先用opencv標記連通域
（環境 ubuntu qt opencv）
在qt中創建console類型工程，需要對test.pro進行如下配置
QT -= gui QT += core CONFIG += c++11 CONFIG += console CONFIG -= app_bundle TARGET = test TEMPLATE = app DEFINES += QT_DEPRECATED_WARNINGS SOURCES += main.cpp INCLUDEPATH+=/home/opencv-3.4.4/include /home/opencv-3.4.4/include\opencv /home/opencv-3.4.4/include\opencv2 LIBS+=-L/home/opencv-3.4.4/build/lib -lopencv_core -lopencv_imgcodecs -lopencv_highgui -lopencv_imgproc
路徑按照自己電腦中的路徑
頭文件也需要註意
1 #include <opencv2/core/core.hpp> 2 #include <opencv2/highgui/highgui.hpp> 3 #include <opencv2/opencv.hpp> 4 #include <iostream> 5 #include <string> 6 #include <stdio.h> 7 using namespace std; 8 using namespace cv;
頭文件包含不足夠會出現 returned 1 status問題
###接下來對圖片處理
首先轉為灰度圖，接著用floodfill函數，OTSU算法，利用OTSU算法得到的閾值進行二值化處理（具體不再展開）
【用函數threshold，其中type選擇THRESH_OTSU】
之後像素反轉，因為一般習慣物體（前景）黑色，背景白色
標記連通域可以用函數findcontours 和 drawcontours，並且可以輸出代碼數量作為參考
1 vector <vector<Point>> contours; 2 findContours(reverseImage, 3 contours,4 CV_RETR_CCOMP,//外輪廓 5 CV_CHAIN_APPROX_NONE);//存儲所有輪廓點 6 7 Mat result(reverseImage.size(),CV_8U,Scalar(255)); 8 drawContours(result, 9 contours, 10 -1,//畫所有輪廓 11 Scalar(0),//黑色 12 2); 13 namedWindow("contours"); 14 imshow("contours",result); 15 cout<<"contours:"<<contours.size()<<endl;
為了避免沒用的連通域，需要對其進行篩選，其過濾過大過小連通域
1 unsigned int cmin=100; 2 unsigned int cmax=5000; 3 vector<vector<Point>>::const_iterator itc=contours.begin(); 4 while(itc!=contours.end()) 5 { 6 cout<<itc->size()<<endl; 7 if (itc->size() < cmin || itc->size() > cmax) 8 itc=contours.erase(itc); 9 else 10 ++itc; 11 } 12 Mat result_erase(result.size(),CV_8U,Scalar(255)); 13 drawContours(result_erase, 14 contours, 15 -1, 16 Scalar(0), 17 2); 18 19 namedWindow("contours_erase"); 20 imshow("contours_erase",result_erase); 21 cout<<"contours:"<<contours.size()<<endl;
結果如下：
二、數據集準備
復雜的環境下識別連通域並不準確，所以最後還是決定手動標註，用的labelimg，方法非常簡單
唯一的技巧可能就是選擇自動保存，以及單一標註，標註前後的格式分別是jpg和xml
這是為了和VOC數據集格式相同，便於yolov2識別
需要註意的是如果沒有bounding box，那麽也沒有相應圖片的xml，一定要刪除照片，否則之後訓練時會出現問題
命名格式也可以按照VOC數據集的命名格式
VOC數據集包括三個文件夾，Annotations，ImageSets，JPEGImages，分別放xml，（layout，main，segmentation），jpg
其中main包括train.txt 用來存放照片的名稱（無路徑，無後綴）
【照片名稱寫入txt的步驟建議Python】
1 import sys 2 import os 3 import random 4 file_path="/home/yjq/test_image" 5 path_list=os.listdir(file_path) 6 path_name=[] 7 for i in path_list: 8 path_name.append(i.split(".")[0]) 9 10 path_name.sort() 11 12 for file_name in path_name: 13 with open("/home/yjq/image_name.txt","a") as f: 14 f.write(file_name+"\n") 15 f.close()
三、配置yolov2
在darknet/scripts下建立文件夾，名字自取（如：VOCdevkit）
裏面放入準備好的數據集
對voc_label.py進行修改
【進入pycharm的bin中，用終端打開，輸入 sh ./pycharm.sh 打開py文件】
修改sets 和 classes 其他幾乎不用修改，報錯再相應修改
（事實上這裏錯了很多次，比如
修改時如果把sets中的year去掉，下面也要相應修改
路徑不要出錯）
修改後 cd ./darknet/scripts 進入文件夾後再 python voc_label.py
這時會生成labels文件夾，裏面存有xml內容的txt文件，同時還有train.txt，存有圖片的絕對路徑
四、準備訓練
這時距離訓練只有幾步之遙，仍需要修改幾個文件
- data/下修改voc.names 輸入classes名稱，或新建detection.names 只要對應修改就好
- cfg/voc.data 修改classes，輸入train.txt的路徑和names路徑，以及backup 放weights的路徑，一定註意不可以有中文！
classes= 2 train = /home/yjq/darknet/scripts/VOCdevkit/train.txt //valid = /home/pjreddie/data/voc/2007_test.txt names = data/voc.names backup = /home/yjq/darknet/results/
- cfg/yolov2-voc.cfg 在region層下修改classes，以及上一層convolutional的filters 其中 filters=（classes+coords+1）*5
五、開始訓練
在terminal輸入
cd darknet
./darknet detector train cfg/voc.data cfg/yolov2-voc.cfg
就可以開始了
如果出現 cannot load image 問題可能出在train.txt，用notepad打開，確保最後一行只有換行符即可
或者一不小心路徑輸錯也不是沒有可能
默認每100 images 會存入results中，可以查看
【在此之前先從github上下載darknet，訓練weights，再測試examples】
【希望一切順利】
【參考：https://blog.csdn.net/hysteric314/article/details/54097845】
ubuntu yolov2 訓練自己的數據集