YOLOv3是比較常見和常用的深度學習目标檢測（Object Dection）算法。今天給大家介紹一下如何一步一步使用YOLOv3訓練自己的資料集。
一、标注資料集
首先我們需要使用 labelimg 工具來标注圖檔資料集，例如圖檔是 .jpg 格式的，用矩形框标注圖檔中的目标位置，得到 .xml 檔案。這裡 labelimg 的使用方法就不作介紹了，讀者自行查閱。
例如 100 張圖檔對應得到 100 個 .xml 檔案：
得到 .jpg 和 .xml 檔案之後，我們還需要把資料集整理成 VOC2007 規定的格式，友善我們使用 YOLOv3 進行訓練。
方法很簡單，建立如下目錄層級：
然後将 100 張 .jpg 圖檔放入到 VOCdevkit/VOC2007/JPEGImages 目錄下，将 100 個 .xml 檔案放入到 VOCdevkit/VOC2007/Annotations 目錄下。
至此，資料集準備完畢！
二、下載下傳 YOLOv3 源碼
在我們的 Ubuntu 系統或者伺服器上，使用 git 指令直接下載下傳 YOLOv3 的源碼工程：
$ git clone https://github.com/pjreddie/darknet 下載下傳完成之後，進入 darknet 目錄，會發現如下：
YOLOv3 使用的是開源的神經網絡架構 Darknet53，有 CPU 和 GPU 兩種模式。預設使用的是 CPU 模式，如果我們使用 GPU 的話，需要修改 darknet 目錄下的 Makefile 檔案：
$ vim Makefile 修改的幾點如下：
修改的地方有 4 處。其中，第 1 處 GPU=1，CUDNN=1，表示使用 GPU 和 CUDNN，若使用 CPU 的話，置為 0 即可；第 2 處将 NVCC 設為本地安裝 nvcc 的實際目錄；第 3 處将 COMMON+ 設為本地 cuda 的頭檔案目錄；第 4 處将 LDFLAGS+ 設為 cuda 的庫目錄。
Makeflie 檔案修改完成之後，儲存退出。
三、準備資料
将我們之前準備好的包含 100 張 .jpg 圖檔和 100 個 .xml 檔案的 VOCdevkit 檔案夾拷貝到 darknet 目錄下，替換原來的 VOCdevkit 檔案夾。
進入到 darknet/VOCdevkit/VOC2007/ 目錄下，建立 test.py 腳本，腳本内容如下：
import os
import random
trainval_percent = 0.8
train_percent = 0.8
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:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close() 該 test.py 腳本的作用就是對 100 個樣本進行訓練集和測試集的劃分，trainval_percent = 0.8 表示劃分 80% 的樣本作為訓練集，20% 的樣本作為測試集。
在目前目錄，運作該腳本：
$ python test.py 運作完之後，在 /ImageSets/Main/ 目錄下會生成 4 個檔案：test.txt、train.txt、trainval.txt、val.txt。其中，trainval.txt 存放的是 80 個訓練集的樣本名，test.txt 存放的是 20 個測試集的樣本名。
傳回到 drknet 目錄下，建立 voc_label.py 腳本，也可以使用下面指令下載下傳：
$ wget https://pjreddie.com/media/files/voc_label.py voc_label.py 腳本内容如下：
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
classes = ["person", "car", "bicycle", "train"]
def convert(size, box):
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[1])/2.0
y = (box[2] + box[3])/2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)
def convert_annotation(year, image_id):
in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
tree=ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find('difficult').text
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
bb = convert((w,h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
for year, image_set in sets:
if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
list_file = open('%s_%s.txt'%(year, image_set), 'w')
for image_id in image_ids:
list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))
convert_annotation(year, image_id)
list_file.close() 該檔案需要修改兩個地方，分别是 sets 和 classes，classes 根據實際的類别進行修改。
修改完成之後，儲存退出。在 darknet 目錄下，運作該腳本：
$ python voc_label.py 運作之後，在目前目錄下生成 3 個檔案：2007_train.txt, 2007_val.txt, 2007_test.txt，存放的是訓練集、測試集圖檔的路徑。
運作下面的指令：
$ cat 2007_train.txt 2007_val.txt > train.txt 這樣，train.txt 即為真正的訓練集圖檔路徑，2007_test.txt 即為真正的測試集圖檔路徑。
同時，在 VOCdevkit/VOC2007 目錄下也會多生成一個 labels 檔案夾，labels 檔案夾裡存放的就是訓練集每個圖檔包含的類别、矩形框四個坐标資訊。這時候資料集正式完成。
四、修改配置檔案
1. 修改 voc.data 檔案
在 drknet 目錄下，打開 cfg/voc.data 檔案，根據實際情況作如下修改：
其中，class 是類别，train 和 valid 是之前運作 voc_label.py 得到的 train.txt 和 2007_test.txt。names 改為自己的實際路徑，backup 為模型存放的路徑。
2. 修改 voc.names 和 coco.names
在 darknet 目錄下，打開 data/voc.names 和 data/coco.names 檔案，修改成自己的類别：
儲存退出！
3. 修改 yolov3-voc.cfg
下面需要修改配置檔案，打開 cfg/yolov3-voc.cfg，搜尋 yolo, 總共會搜出 3 個含有 yolo 的地方。
每個地方都必須要改 2 處：
- 參數 filters 由下式計算：3*(5+classes)，例如本例中 classs=4，則filters=27；
- 參數 class 改為實際的類别個數；
yolov3-voc.cfg 檔案中修改 filters 和 classes 的地方一共有 3 處，注意别遺漏了。
在 yolov3-voc.cfg 檔案的開頭處，修改訓練的一些參數：
一般根據具體情況作适當修改即可，注意，訓練的時候，Testing 的 batch 和 subdivisions 需要注釋掉，learning_rate 是學習率，max_batches 是最大疊代訓練次數，可根據訓練集大小自行修改。
關于 yolov3-voc.cfg 中更詳細的參數解釋，可自行查閱。
五、編譯
剛才我們修改了 Makefile檔案，并修改了各個配置檔案，下面就對該工程進行編譯，在 darknet 目錄下輸入下面的指令：
$ make 編譯完成之後，生成 darknet 可執行程式。
六、訓練
在 darknet 目錄下，
首先下載下傳 YOLOv3 的預訓練模型：
$ wget https://pjreddie.com/media/files/darknet53.conv.74 然後直接輸入下面的指令進行訓練：
$ ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 -gpus 0,1 其中，-gpus 0,1 表示使用 2 塊 gpu 進行訓練，編号是 0 和 1。根據你可使用的 gpu 個數進行調整。
當看到上面的列印内容，基本就表示訓練開始了，慢慢等待吧~
關于 YOLOv3 詳細的訓練步驟就介紹到這裡，下一篇我将帶大家來學習一下使用 YOLOv3 訓練好的模型進行實際的圖檔測試還有如何進行批量測試~