yolov3测试自己的数据

前言

上一篇我已经介绍了利用yolov3预训练权重文件(只包含卷积层)并训练

只需要进行如下编译：

./darknet detector train cfg/voc.data cfg/yolov3.cfg darknet53.conv.

同时会在backup文件夹下生成对应weights文件（文件会随着时间递增不断的更新）,如下所示：

可执行如下代码：

./darknet detector train cfg/voc.data cfg/yolov3.cfg yolov3_1700.weights

这里注意要把yolov3-1700.weights文件放在darknet文件夹下

1.修改参数文件(../darknet/cfg/yolov3.cfg)

2.执行如下命令

./darknet detector test cfg/voc.data cfg/yolov3.cfg backup/yolov3_300.weights -thresh 0.1 

说明：1.把权重名字修改；2.YOLOv3默认阈值为0.25，-thresh 0是设置阈值，设为0的话可以显示出所有检测结果；3.运行完直接会让你输入 Enter Image Path:

3. 训练过程参数的意义

Region xx: cfg文件中yolo-layer的索引； Avg IOU:当前迭代中，预测的box与标注的box的平均交并比，越大越好，期望数值为1； Class: 标注物体的分类准确率，越大越好，期望数值为1； obj: 越大越好，期望数值为1； No obj: 越小越好； .5R: 以IOU=0.5为阈值时候的recall; recall = 检出的正样本/实际的正样本 0.75R: 以IOU=0.75为阈值时候的recall; count:正样本数目。

参考博客：https://blog.csdn.net/Leequens/article/details/81360715