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答案

【问题标题】：YOLO & Darknet - Training on a custom dataset to detect a specific class and ignore other classesYOLO & 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
【发布时间】：2019-08-04 19:08:04
【问题描述】：

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

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，即第一行和第三行留空

<assume empty line>
dog
<assume empty line>

如果上述过程出错，有没有其他解决办法？

【问题讨论】：

标签： yolo darknet darkflow

【解决方案1】：

如果您希望模型检测所有类，但只绘制 dog 框，您可以在绘制函数之前添加一个 if 条件。但是如果你想将类的数量从 3 个减少到 1 个，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 层中的每一层中。同时更改最大批次数 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。默认为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会有所帮助。

【讨论】：

"更改 voc.data 中的类数" - 但问题是带注释的文件 (.txt) 将 'dog' 作为类 1。如果我们在 voc.names 中仅提及 dog 类，它引发错误。在darkflow中，如果我们在'labels.txt'中提到一个特定的类，它会自动忽略带注释的xml文件中的剩余类，我们可以如上所述在.cfg中进行必要的更改。我认为暗网中没有这样的功能，我们可能必须编辑 .txt 文件以仅包含必要的类。感谢您的建议！

【解决方案2】：

最安全的方法是只用狗类训练你的网络，详情可以参考this question。

【讨论】：

【解决方案3】：

我认为您必须删除其他类。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')

【讨论】：