yolo - YOLO & Darknet - 在自定义数据集上进行训练以检测特定类并忽略其他类

Question

使用 YOLO 和暗网训练自定义数据集时，假设可用数据使用 3 个类 voc.names进行注释

cat
dog
bird

因此，.txt文件的格式为

1 0.587 0.576 0.361 0.415
0 0.205 0.803 0.166 0.206
0 0.181 0.597 0.166 0.206
2 0.417 0.857 0.166 0.206

这意味着猫是 0 类，狗 - 1 类，鸟 - 2 类

如果我想训练模型只检测狗（第 1 类）并忽略剩余的类，该怎么做？我可以按以下方式更改voc.names文件吗，即将第一行和第三行留空

<assume empty line>
dog
<assume empty line>

如果上面的过程出错了，有没有其他的解决办法？

Answer 1

如果您希望模型检测所有类，但只绘制狗框，您可以在绘图函数之前添加一个 if 条件。但是如果你想将类的数量从 3 减少到 1，你应该采取一些其他的步骤：

• 您应该将代码中提到的所有类的数量从 3 更改为 1。例如，在三个 yolo 层中的每一个中。还要更改最大批次数number_of_classes*2000（除以 3）。
• 在 yolo 层之前更改每个 conv 层中的过滤器数量。默认情况下是number_of_filters=(classes + 5)x3
• 将voc.names更改为包含 1 行（dog）且没有空行的文件。
• 更改voc.data中的类数

如果您可以发布代码的相关部分或链接，这将有所帮助。

Answer 2

我认为你必须删除其他类。这可能是一个解决方案：

import numpy as np
import os

# Specific class
class_remaining = 1
# Dataset's folder name
folder = "Dataset"

# Browse the dataset
for file in os.listdir(folder):
    # Get the data from txt file as numpy array
    data = np.genfromtxt(file, delimiter=" ")
    # Filter the array
    filter = data[:, 0] == class_remaining
    # Save the filter array in txt file
    np.savetxt(file, data[filter], newline='\n', fmt='%1.3f')

Answer 3

最安全的方法是只用狗类训练你的网络，你可以参考这个问题了解详细信息。