ubuntu yolov2 训练自己的数据集

项目需求+锻炼自己，尝试用yolov2跑自己的数据集，中间遇到了很多问题，记下来防止忘记

一、数据集

首先发现由于物体特殊没有合适的现成的数据集使用，所以只好自己标注，为了减少工作量，先用opencv标记连通域

（环境 ubuntu qt opencv）

在qt中创建console类型工程，需要对test.pro进行如下配置

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

路径按照自己电脑中的路径，test图片要放入debug文件夹内，或者写绝对路径

头文件也需要注意

 #include <opencv2/core/core.hpp>
 #include <opencv2/highgui/highgui.hpp>
 #include <opencv2/opencv.hpp>
 #include <iostream>
 #include <string>
 #include <stdio.h>
 using namespace std;
 using namespace cv;

头文件包含不足够会出现 returned 1 status问题

###接下来对图片处理

首先转为灰度图，接着用floodfill函数，OTSU算法，利用OTSU算法得到的阈值进行二值化处理（具体不再展开）

【用函数threshold，其中type选择THRESH_OTSU】

之后像素反转，因为一般习惯物体（前景）黑色，背景白色

标记连通域可以用函数findcontours 和 drawcontours，并且可以输出代码数量作为参考

 vector <vector<Point>> contours;
    findContours(reverseImage,
                 contours,
                 CV_RETR_CCOMP,//外轮廓
                 CV_CHAIN_APPROX_NONE);//存储所有轮廓点

    Mat result(reverseImage.size(),CV_8U,Scalar());
    drawContours(result,
                 contours,
                 -,//画所有轮廓
                 Scalar(),//黑色
                 );
    namedWindow("contours");
    imshow("contours",result);
    cout<<"contours:"<<contours.size()<<endl;

为了避免没用的连通域，需要对其进行筛选，其过滤过大过小连通域

 unsigned int cmin=;
    unsigned int cmax=;
    vector<vector<Point>>::const_iterator itc=contours.begin();
    while(itc!=contours.end())
    {
        cout<<itc->size()<<endl;
         if (itc->size() < cmin || itc->size() > cmax)
             itc=contours.erase(itc);
         else
             ++itc;
    }
    Mat result_erase(result.size(),CV_8U,Scalar());
    drawContours(result_erase,
                 contours,
                 -,
                 Scalar(),
                 );

    namedWindow("contours_erase");
    imshow("contours_erase",result_erase);
    cout<<"contours:"<<contours.size()<<endl;

结果如下：

二、数据集准备

复杂的环境下识别连通域并不准确，所以最后还是决定手动标注，用的labelimg，方法非常简单

唯一的技巧可能就是选择自动保存，以及单一标注，标注前后的格式分别是jpg和xml

这是为了和VOC数据集格式相同，便于yolov2识别

需要注意的是如果没有bounding box，那么也没有相应图片的xml，一定要删除照片，否则之后训练时会出现问题

命名格式也可以按照VOC数据集的命名格式

VOC数据集包括三个文件夹，Annotations，ImageSets，JPEGImages，分别放xml，（layout，main，segmentation），jpg

其中main包括train.txt 用来存放照片的名称（无路径，无后缀）

【照片名称写入txt的步骤建议Python】

 import sys
 import os
 import random
 file_path="/home/yjq/test_image"
 path_list=os.listdir(file_path)
 path_name=[]
 for i in path_list:
     path_name.append(i.split(".")[0])

 path_name.sort()

 for file_name in path_name:
     with open("/home/yjq/image_name.txt","a") as f:
         f.write(file_name+"\n")
     f.close()

三、配置yolov2

在darknet/scripts下建立文件夹，名字自取（如：VOCdevkit）

里面放入准备好的数据集

对voc_label.py进行修改

【进入pycharm的bin中，用终端打开，输入 sh ./pycharm.sh 打开py文件】

修改sets 和 classes 其他几乎不用修改，报错再相应修改

（事实上这里错了很多次，比如

修改时如果把sets中的year去掉，下面也要相应修改

路径不要出错）

修改后  cd ./darknet/scripts 进入文件夹后再 python voc_label.py

这时会生成labels文件夹，里面存有xml内容的txt文件，同时还有train.txt，存有图片的绝对路径

四、准备训练

这时距离训练只有几步之遥，仍需要修改几个文件

• data/下修改voc.names  输入classes名称，或新建detection.names  只要对应修改就好
• cfg/voc.data 修改classes，输入train.txt的路径和names路径，以及backup 放weights的路径，一定注意不可以有中文！

classes=
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层下修改classes，以及上一层convolutional的filters 其中 filters=（classes+coords+1）*5

五、开始训练

在terminal输入

cd darknet
./darknet detector train cfg/voc.data cfg/yolov2-voc.cfg

就可以开始了

如果出现 cannot load image 问题可能出在train.txt，用notepad打开，确保最后一行只有换行符即可

或者一不小心路径输错也不是没有可能

默认每100 images 会存入results中，可以查看

【在此之前先从github上下载darknet，训练weights，再测试examples】

【希望一切顺利】

【参考：https://blog.csdn.net/hysteric314/article/details/54097845】