从零学习使用Docker训练Yolov3/Yolov4

从零学习使用Docker训练Yolov3/Yolov4

注:本教程可用于所有OAK产品

准备数据集

对于 Yolo 我们需要特定的格式。对于每个图像,我们需要一个同名的 txt 文件。每个 txt 包含每个边界框的一行:

<object-class> <x_center> <y_center> <width> <height>,

其中 :

  • <object-class> 是对象类别的 ID,范围从 0 到 (num_of_classes – 1),
  • <x_center> 和 <y_center> 是边界框中心的 x 和 y 坐标,
  • <width> 和 <height> 是边界框的宽度和高度,坐标使用图像的宽度和高度进行归一化。

大家可以通过网上教程将自己手上的数据集转化为 yolo 格式。

训练

准备环境

可根据官网教程安装 Docker

中文教程

拉取环境镜像

docker pull richardarducam/depthai_train_yolo

启动容器

docker run --name oak_yolov3_v4_train -p 8888:8888 -v <yourdatasetpath>:/content/dataset richardarducam/depthai_train_yolo

之后使用浏览器 打开 http://127.0.0.1:8888 或者 http://0.0.0.0:8888

进入后可以通过 Setting -> Language -> Chinese将界面切换为中文

打开 notebook

双击打开 /work/YoloV3_V4_tiny_train.ipynb依据提示操作即可

侧边栏可以查看目录

另一种方法

Windows下使用Darknet训练自己的数据集(模型:yolov4-tiny、数据集:垃圾分类)