此代码只是改了yolov3中python文件夹下自带的darknet.py
自带的darknet.py是Python=2.*,本项目是Python=3.7
本项目就是为了扩充yolo-v3的训练集
- 有于再次得到了新的生产数据(图片),希望将上次训练的模型用新的数据进行检测。
- 注意:新的数据只有图片,没有label………,所以也就没法算正确率啥的了。。。
- 于是想要将新的数据加入训练集,但总不能一张一张自己标注吧,啊哈哈。
- 于是乎就写了这个代码,目的是用旧的模型测试新的图片,把测试结果生成新的yolo数据样式(也就是准备把新图作为训练集)
- 有了新的数据还要人工用labelimg筛查一遍,看看哪里有什么问题,比如框框有时候会比较大,咋样调整啥的直接就可以在
生成新的yolo数据样式
这一步改掉。 - 人工检测之后,确保数据比较不错了就扔进去当训练集好了
- 已经有训练好的模型了--假设是
yolov3-tiny_100.weights
- 下载好darknet了,没下好的点这里去下
- 测试图片集(只有图)
yolo_text_batch.py
文件是用来检测->生成新的数据集
yolo_text_batch_for_dibang.py
文件是专门为地磅项目做的,这个就是根据上一步的检测结果,适当调整新生成的数据集(这里的调整只针对地磅项目)(数字下移点的定框高度,数据集生成)darknet.py
yolo自带的,在Darknet/Python文件夹下,只能python2才能运行。
-
clone此项目
-
参数设置
1.
cfg_path
="/XXX.cfg"---因为是做测试,所以一定要把.cfg
改成Testing模式2.
weight_path
="XXX.weights"--训练好的权重3.
voc_data_path
="voc.data"--这里面的数据保持训练时就行,主要就是用个classes
4.
image_path
="文件夹"5.
save_txt_path
="文件夹" -
参数设置好后运行就行了
-
运行完了之后用labelimage看看结果咋样,有错的自己改改,当然也可以写程序批量改
-
修改好了就可以作为新的数据集了,啊哈哈。