为自定义数据集创建 YOLO 权重文件答案

【问题标题】：Creating YOLO Weights file for custom dataset为自定义数据集创建 YOLO 权重文件
【发布时间】：2020-01-09 22:41:49
【问题描述】：

enter image description here我已经使用 tiny YOLO 创建了自定义模型。在我的最终检查点对应的 ckpt 文件夹中生成了 4 个文件。当我给出 .cfg 文件和加载编号时，对象检测工作正常。

我必须使用 cv2.dnn.readnet() 来加载要在 raspberrypi 中使用的模型和 cfg 文件，但 readnet 函数只需要 2 个参数，即 .weights 文件和 .cfg 文件。那么如何将我的模型转换为单个权重文件呢？enter image description here

我正在使用 python 3.7 和 opencv 4。

【问题讨论】：

模型的权重文件应该只有1个，为什么有2个？
@Micka 只有一个权重文件，即预训练模型（第二张图片）。我想为我的自定义图像创建一个 .weights 文件，而不是创建的 4 个文件（第一个图像）。这样我就可以将它传递给 cv2.dnn.readnet()。

标签： python opencv object-detection yolo

【解决方案1】：

这不是一个确切的答案，但您使用的存储库看起来很旧。如果您有数据，您可以在 yolo v3 中重新训练您的自定义模型。这个存储库包含训练自定义模型的所有必要信息，包括 yolo v3 tiny， https://github.com/AlexeyAB/darknet.

这将在备份文件夹中每 1000 次迭代生成一个.weights，并为恢复训练生成最后一个权重。您可以在充分迭代后使用这些权重以及 cv2.dnn.readnet() 中的 .cfg 文件。

【讨论】：