yolov3讲解以及训练自己的数据

这篇博客侧重实践，适合刚入坑yolov3的新人。

• 前言
• 准备
• 训练我找到的数据集（我找到的开源数据集，已经标注好了）
• 训练标准的数据集
• 遇到的一些问题

前言

目前常见的目标检测算法有yolov，SSD，Faster-RCNN等等，如果有兴趣可以去了解一下其他的算法。

论文：https://pjreddie.com/media/files/papers/YOLOv3.pdf

翻译：https://zhuanlan.zhihu.com/p/34945787

yolov3各种版本实现

• windows 版本：请参考：https://github.com/AlexeyAB/darknet （不建议在windows下面运行）
• linux版本高 yolov3地址 https://pjreddie.com/darknet/yolo/
• tensorflow版yolov3 https://github.com/YunYang1994/tensorflow-yolov3
• pytorch版yolov3 https://github.com/eriklindernoren/PyTorch-YOLOv3
• keras版yolov3 https://github.com/qqwweee/keras-yolo3

旧版本

• yolov2 https://pjreddie.com/darknet/yolov2/
• yolov1 https://pjreddie.com/darknet/yolov2/

前期准备

（1）介绍

数据就是金钱，目前一些AI领域公开并的数据集，如COCO，ImageNet，其他各领域的数据集可以参考这篇博客 https://blog.csdn.net/m0_37167788/article/details/79093827

这里讲解原生yolov3版本

配置DarkNet（参考官网配置） 要求linux（Ubuntu） 可选opencv （调用摄像头） 可选cuda（为了加速）

（2）下载代码

git clone https://github.com/pjreddie/darknet  
cd darknet
make

（3）下载权重文件

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

（4）更改Makefile文件（可选）

vim Makefile

• GPU运行：

GPU=1

• 如果安装了CUDNN：

CUDNN=1
NVCC=/usr/local/cuda/bin/nvcc

• 如果安装了opencv：

OPENCV=1

（5）编译

make

（6）测试

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

如果一切正常的话

用我找到的公开数据集进行训练

（1）介绍

我做的项目是检测食物，一共一百类，总共照片14361张，训练照片12925张，测试照片1436张， 将下载下来的数据集解压到darknet目录下，更改名字为food_data。