voc2007数据集 YOLOV3

### 使用YOLOv3模型训练或测试VOC2007数据集 #### 准备环境和安装依赖库 为了能够顺利运行YOLOv3并完成对VOC2007数据集的操作，首先需要准备好相应的开发环境以及必要的Python包。 ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 pip install opencv-python matplotlib numpy ``` #### 下载预训练权重文件与配置文件 获取官方提供的YOLOv3预训练权重文件及其对应的网络结构描述文件（cfg），这些资源可以从Darknet官方网站或者其他可靠的第三方平台下载得到。对于VOC2007特定的数据集，则还需要额外准备对应类别名称列表文件`voc.names`。 #### 数据集转换 由于原始的Pascal VOC格式并不完全适用于YOLO系列算法的要求，因此有必要先将标注信息从XML格式转化为TXT格式的文字框坐标表示法。可以编写简单的脚本来实现这一过程： ```python import xml.etree.ElementTree as ET from os import getcwd sets=[('2007', 'train'), ('2007', 'val')] classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"] def convert(size, box): dw = 1./(size[0]) dh = 1./(size[1]) x = (box[0] + box[1])/2.0 - 1 y = (box[2] + box[3])/2.0 - 1 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(f'./VOCdevkit/VOC{year}/Annotations/{image_id}.xml') out_file = open(f'./labels/{image_id}.txt', '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('./labels/'): os.makedirs('./labels/') image_ids = open(f'./VOCdevkit/VOC{year}/ImageSets/Main/{image_set}.txt').read().strip().split() list_file = open('%s_%s.txt'%(year, image_set), 'w') for image_id in image_ids: list_file.write(wd+f'/VOCdevkit/VOC{year}/JPEGImages/{image_id}.jpg\n') convert_annotation(year, image_id) list_file.close() ``` 此段代码会读取给定年份下的所有图片ID，并依次调用函数`convert_annotation()`来生成每张图像所关联的目标检测标签文件[^4]。 #### 修改配置文件适应新数据集 打开YOLOv3默认使用的`.cfg`配置文件，调整其中的一些参数使其更适合当前的任务需求，比如修改batch大小、subdivisions数量等超参设置；同时更新filters数目以匹配新的分类数目的变化情况。 #### 开始训练流程 当一切准备工作就绪之后就可以启动实际的训练环节了。通过命令行工具执行如下指令即可开始训练: ```bash !darknet detector train cfg/voc.data cfg/yolov3-voc.cfg yolov3.weights -dont_show ``` 上述命令中的各个部分分别指定了数据路径(`voc.data`)、网络架构定义(`yolov3-voc.cfg`)还有初始化权重位置(`yolov3.weights`)三个要素[^3]。 #### 测试阶段 一旦完成了足够的迭代次数并且得到了满意的模型性能指标后，便可以用该模型去做预测工作。此时只需加载保存下来的最优权值版本并对待测样本实施推理操作即可获得最终的结果输出。