yeyaji/python_yolov3_edit-and-creat-new-data

用yolo_v3模型批量检测图片，并生成新的数据集

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

背景：

1. 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。
2. 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。。。
3. 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。
4. 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）
5. 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。
6. 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

一、前期准备

1. 已经有训练好的模型了--假设是yolov3-tiny_100.weights
2. 下载好darknet了，没下好的点这里去下
3. 测试图片集（只有图）

二、文件说明

1. yolo_text_batch.py文件是用来 检测->生成新的数据集
2. 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）
3. darknet.pyyolo自带的，在Darknet/Python文件夹下，只能python2才能运行。

三、操作步骤

1. clone此项目

2. 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"

3. 参数设置好后运行就行了

4. 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

5. 修改好了就可以作为新的数据集了，啊哈哈。