YOLOv3测试

　　昨天配置了YOLOv3的环境，今天用官方文档内的coco128数据集跑一下：

　　本次YOLOv3的使用基本上跟调用api一样，就是把数据集格式处理好后使用大佬们写好的py文件，本人实力有限，实在是看不太懂源码。

 

 

 　　YOLOv3运行所使用的数据集是有严格的格式要求的，具体可以参考官方文档（有其他版本的YOLOv3实现，这里仅展示我使用的ultralytics/yolov3）：

 

 

 　　以这张图为例，对应图片的txt文件内要有五个参数：类数（从0开始计，第一类为0，第二类为1...），X_center，Y_center（图片中心的XY坐标）,Width，Height（宽高）。

　　附上coco128的数据集格式对比：

首先是coco128目录下，images和labels子文件夹，一个存放图片，一个存放标签

 

 

 两个文件夹下存放的.jpg文件和.txt文件名字要对应

 

 

 txt文件内就是刚才说的格式：

 

　　明白数据集结构之后，再回到代码中：

 

 

 这三个文件是我们需要使用的，train.py是训练，test.py是测试，detect.py是用模型预测。图中没有画框的yolov3.pt就是我们训练后的模型文件，这个是官方源码中自带的，我们训练后的模型文件并不在这儿。

 

 

 这个地方改成自己的yaml文件（原来是coco.yaml）

首次运行可能会给你报错：

OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

这个时候在train.py开头加上这句：

 

 官方文档中给的运行示例都是用命令行实现的，我这里也不用pycharm跑了，打开Anaconda Powershell Prompt：

切换到这个项目的目录下之后，运行代码：

python train.py --img 640 --batch 16 --epochs 5 --data coco128.yaml --weights yolov3.pt

 

 这里报错，大致意思就是我的显存不够（6G），带不动，现在还没租服务器，也没法换电脑，那就改运行参数:

python train.py --img 320 --batch 8 --epochs 5 --data coco128.yaml --weights yolov3.pt

img和batch各砍掉一半：

 

 运行成功，最后这段告诉了我们模型存储的位置：runs\train\exp4\weights\，存了last.pt和best.pt，runs文件在yolov3这个项目里，exp4是因为我之前已经训练了三次模型：

 

 我们从网上下载一个图，使用训练好的模型做一下预测吧，coco128数据集有80个类，我们选择“斑马”类来预测一下：

python detect.py --source data/images --weights yolov3.pt --conf 0.25

source后写下图片地址，weights后写使用模型的地址，这里注意模型地址是相对地址，它以yolov3这个项目的地址为起点，所以直接从runs开始写，conf设置权重

 

 运行后的结果：

 

 图像：

 

 　　以上就是YOLOv3的coco128数据集测试。