训练yolov3模型

如何训练YOLOv3

YOLOv3：基于深度学习的定制化
目标检测方法

本文将通过一些公开的雪人图片和视频，分享训练流程、有助于训练的脚本以及最终结果。相同的方法也可用于多目标检测任务。

首先下载代码，例如，

下载地址一：https://github.com/madhawav/YOLO3-4-Py

下载地址二：https://github.com/Eric3911/yolov3_darknet

1. 数据集

与所有深度学习任务一样，首要任务是准备数据集。将使用谷歌OpenImagesV4数据集中包含的雪人图片，该数据集在网络上公开发布。它是一个庞大的数据集，涵盖大约600个不同的对象类别。此外，该数据集还提供了这些对象的边界框注释信息。整体而言，该数据集容量超过500GB，但仅需下载部分用于非商业用途开发且包含“雪人”对象的图像。

1.1 下载数据

首先需要安装awscli工具。

sudo pip3 install awscli

获取相关的openImages文件：class-descriptions-boxable.csv 和 train-annotations-bbox.csv（大小为1.11GB），需要找到感兴趣的目标文件。

wget https://storage.googleapis.com/openimages/2018_04/class