darknet训练coco数据集2014

本文以coco数据集2014为例，因为官网下载的数据集不能直接使用，需要做个解析。

首先，下载好coco2014的数据集，文件很大，大概24个G吧。主要信息是train2014,test2014,val2014以及各自的annotation文件。

这三个文件存放的是图片，jpg格式。

test2014的annotation存放在下面这个文件夹

train2014和val2014的annotation存放在这个文件夹，这两个的标注文件放在了一个文件夹 。

darknet需要的是图片以及图片的bbox信息和类别信息。所以接下来要做两件事，

1，利用脚本从json文件中奖每张图片的需要的信息解析出来，并且保存在图片对应的txt文件中。这里多少图片就有多少个txt 文件

2，利用脚本将每张图片所在的完整路径保存下来。分别就是train.txt，test.txt，val.txt这三个文件将会在coco.data中用到。

 

本文所需要用到Python脚本代码可以在Github上找到：https://github.com/ChriswooTalent/COCO_forYOLO 。

共包含 4 个 python 脚本：

① batch_split_annotation_foryolo.py: 批处理解析 coco 注释文件，将整体的注释文件分离成每个图像单个的注释文件；

②split_annotation_foryolo.py：分离数据文件的执行部分，在 batch_split_annotation_foryolo 中会调用；

③create_JEPG_dir.py: 将所有训练图像，验证图像，测试图像拷贝到一个 JPEGImages 文件夹下，只用调用一次；

④create_yolo_list.py:  根据先前分离得到的注释文件，生成训练图像，验证图像，测试图像索引文件。
这4个文件采用是python2，但是我用的python3，所以文件中会一些错误，修改一下就行。很简单。

步骤一：

我是根据程序建立的相应文件夹。

先在I：盘下建立一个coco_data文件，

在该文件夹下建立一个annotation文件夹，把instances_train2014.json，instances_val2014.json，image_info_test2014.json放进去，方便后面使用。再建立一个ImageSets文件夹，存放的txt包含每个图片的名称。

接着将三个数据集也放进去。

最后建立一个labels文件夹，下面再键三个文件夹分别为trai2014，test2014,val2014。

打开第一个 batch_split_annotation_foryolo.py文件和split_annotation_foryolo.py，进行相应的路径修改。主要是路径修改，自己看清楚了。

接着修改split_annotation_foryolo.py，因为在上一个.py文件中会调用这个文件。

虽然coco的类别是80个，但是它的category_id是跳跃编号的，一直编号到了90，所以这里要做一些修改。

不然训练的时候会一直报错，

cat_id = cat_id -1;

少了这个操作，id要控制在0-79;

做完这些工作就可以运行第一个py文件。

结果：ImageSets下得到三个txt文件，保存了每个图片的名称

          labels得到train和val的关于类别和bbox信息的txt文件。然后还有三个文件夹，重复之前的txt文件（不知道为什么test的信息没有解析出来，test所有的txt文件是空的？？？？）暂时不用test，所以先搁置。

步骤二：

在coco_data下建立一个JPEGImages，运行create_JEPG_dir.py，将三个数据集的图片都保存在这个文件夹下面，所谓的只运行一次是因为数据集真的太大，最好一次成功。

步骤三：

这一步呢，生成图片的完整路径。还要在coco_data下建立一个cocoImage/labels，应该是用来整合文件的。

我这里的img_dir和dst_img_dir是一个文件名，所以这里的删除其中一个即可。总共三处都要删除。

文件中这个地方写的是train2014和val2014，我把val2014删除，因为我需要的是txt中是单独一个数据集的图片路径。

结果：

 

存放图片位置信息的labels文件夹和JPEGImages得在一个文件夹下面。

步骤四：在darknet的项目下做一些修改。

现在data下建立一个coco文件夹。存放四个文件：

train.txt和val.txt就是存放图片完整路径的那个文件，即上述ImageSets下的。

coco.data相应的txt文件进行修改。

cfg文件的修改如下：

步骤五：

上述步骤完成后。

打开darknet_yolo_v3.cmd的命令，保存执行。

darknet_no_gpu.exe  detector train data/coco/coco.data cfg/yolov3.cfg darknet53.conv.74

 

参考博客;https://blog.csdn.net/Gentleman_Qin/article/details/87294874