KERAS-YOLOV3的GITHUB地址：https://github.com/yangchengtest/keras-yolo3
该项目支持的数据结构：
One row for one image;
Row format: image_file_path box1 box2 … boxN;
Box format: x_min,y_min,x_max,y_max,class_id (no space).
For VOC dataset, try python voc_annotation.py
Here is an example:
path/to/img1.jpg 50,100,150,200,0 30,50,200,120,3
path/to/img2.jpg 120,300,250,600,2
…
KITTI数据集：
http://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark
这里选取第1个图片集 Download left color images of object data set (12 GB)和标注文件 Download training labels of object data set (5 MB)
LABEL格式：
Car 0.00 0 -1.67 642.24 178.50 680.14 208.68 1.38 1.49 3.32 2.41 1.66 34.98 -1.60 关于数据定义，参考了这篇博文：
https://blog.csdn.net/jesse_mx/article/details/65634482
该数据集的标注一共分为8个类别：’Car’, ’Van’, ’Truck’, ’Pedestrian’, ’Person (sit- ting)’, ’Cyclist’, ’DontCare’ 和’Misc’
在代码中合并’Car’, ’Van’, ’Truck’为’Car’,合并 ’Pedestrian’, ’Person (sit- ting)’为’Pedestrian’。
最后实际运行还有三个分类：’Pedestrian’、 ’Person (sit- ting)’、’Pedestrian’。
这里主要使用：TYPE和BBOX两个参数
处理代码如下：
import glob
### 获取标注数据
lable_list = glob.glob('data_object_label_2/training/label_2/*')
label_result=[]
type_list=[]
for label in label_list:
### box合并数据
bbox=[]
with open(label) as r_label:
for each_line in r_label:
labeldata = each_line.strip().split(' ')
if labeldata[0] in ['Truck','Van','Tram']: # 合并汽车类
labeldata[0] = labeldata[0].replace(labeldata[0],'Car')
if labeldata[0] == 'Person_sitting': # 合并行人类
labeldata[0] = labeldata[0].replace(labeldata[0],'Pedestrian')
if labeldata[0] == 'DontCare': # 忽略Dontcare类
continue
if labeldata[0] == 'Misc': # 忽略Misc类
continue
if labeldata[0] not in type_list:
type_list.append(labeldata[0])
### 提取分类标签和BOX坐标，YOLOV3的坐标是整数，需要数据转型。
bbox_item=[type_list.index(labeldata[0]),int(float(labeldata[4])),int(float(labeldata[5])),int(float(labeldata[6])),
int(float(labeldata[7]))]
bbox.append(bbox_item)
### 目标图片路径
imgfilename="data_object_image_2/testing/image_2/"+label[37:44]+"png"
strline=imgfilename
for box in bbox:
### 将BOX按照约定格式记入文件中。
strbox=" "+str(box[1])+","+str(box[2])+","+str(box[3])+","+str(box[4])+","+str(box[0])
strline=strline+strbox
label_result.append(strline)
try:
### 项目默认数据名为train.txt
outputfilename="train.txt"
with open(outputfilename,'w+') as w_output: # w+是打开原文件将内容删除，另写新内容进去
for line in label_result:
w_output.write(line+"\n")
except IOError as ioerr:
print('File error:'+str(ioerr))annotation_path = 'train.txt'
log_dir = 'logs/000/'
classes_path = 'model_data/voc_classes.txt'
anchors_path = 'model_data/yolo_anchors.txt'需要修改voc_classes.txt，保证分类与我们的模型一致。
按照GITHUB上的流程进行操作。
Make sure you have run python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5
The file model_data/yolo_weights.h5 is used to load pretrained weights.
Modify train.py and start training.
python train.py
Use your trained weights or checkpoint weights in yolo.py.
Remember to modify class path or anchor path.最后得到训练后的模型。
本来以为简单到爆表的操作，实际过程中发现有些地方需要修改。必须改的：
# train.py
# 训练数据标注
annotation_path = 'train.txt'
log_dir = 'logs/000/'
# 训练分类
classes_path = 'model_data/voc_classes.txt'
anchors_path = 'model_data/yolo_anchors.txt' #yolo.py
# 训练后的模型
self.model_path = 'model_data/trained_weights_final.h5' # model path or trained weights path
# 训练分类
self.anchors_path = 'model_data/yolo_anchors.txt'
self.classes_path = 'model_data/voc_classes.txt'
看一下网络框架，主要区别在于最右下角的CONVS层，YOLOV3官网提供的预训练模型是基于COCO 80分类的，而本文的框架只有3个分类，那么在预加载模型的时候就需要进行修改。
（ps:你也可以不改，这三层就直接重新训练。不过使用修改后预训练模型收敛更快）
注意：如果你修改最后三层filters，而convert.py不对应修改，整个预训练模型加载都会是错误的
本开源框架是使用了CONVERT.PY文件进行weights转化。
通过读取yolov3.cfg文件，按字节顺序读取。有需要的可以了解一下configparser，我个人只是大概看了一下。
读取预加载模型的需要按照80分类来读取预加载模型，但是写入模型的时候需要按照3分类的方式写入。
硬编码了一下，filters等于255的时候，进行强制转化。。。
有需要的可以参考我提交的GITHUB:
https://github.com/yangchengtest/keras-yolov3-kitti.git
剩下的就和原来一样了，可以直接训练了。
LR使用了
reduce_lr = ReduceLROnPlateau(monitor=’val_loss’, factor=0.1, patience=3, verbose=1)
可以关注一下。
最后修改YOLO.PY的配置文件，就可以看到结果了。
原来的接口，图片一张一张看，我嫌烦。
改了一下，支持多图片批量处理。
python yolo.py -s test_images -d output_images
需要在CV读取完成后释放资源：
return_value, frame = vid.read()
if not return_value:
break
本项目的GITHUB在：
https://github.com/yangchengtest/keras-yolov3-kitti.git