Keras YOLOv3

　　实践版本的 YOLOv3 采用 Keras 版本。

1. 数据准备

　　图片标注采用的是 LabelImg，Macbook 版本安装时出现如下问题：

ModuleNotFoundError: No module named 'libs.resources'
# 运行如下命令即可
pyrcc5 -o libs/resources.py resources.qrc

　　数据标好后，按照 VOC 的数据格式安排，例如 VOCdevkit/VOC2007/ 文件夹结构如下：

Annotations/ （放标注的 xml 文件）
ImageSets/（放划分后的文件索引，txt 文件）
- Main/
  - train.txt …
JPEGImages/（放 jpg 图片文件）
SegmentationClass/
SegmentationObject/

　　编写脚本按照上面格式调整好各个部分。

2. 项目内容修改

2.1 修改要检测的类别

　　有两处要改

修改 voc_annotation.py 里面的 classes，改成自己需要的类。
修改 model_data/voc_classes.txt 为需要的类

　　然后运行 python voc_annotation.py，在根目录生成 txt 文件。

2.3 修改 yolo.cfg

　　以 yolo 为关键词搜索，找到 [yolo] 上下有如下三个部分需要修改：

filter：3 *（5+len（classes）
classes：你要训练的类别数（要加上背景的 1）
random：原来是 1，显存小改为 0

2.4 修改 train.py

　　修改 trian 的路径，看要不要加上 2007 等前缀。

问题解决

出现 val_loss 计算为 nan

降低学习率（无效）
降低 batch size（无效）
尝试可能小物体导致分母为 0

def yolo_loss(args, anchors, num_classes, ignore_thresh=.2, print_loss=False):
...
raw_true_wh = K.log(y_true[l][..., 2:4] / anchors[anchor_mask[l]] * input_shape[::-1] + 1e-10)
raw_true_wh = K.switch(object_mask, raw_true_wh, K.zeros_like(raw_true_wh)) # avoid log(0)=-inf

不要预训练，把 create_model 的参数 load_pretrained 改成False。（可行）

　　如果识别的内容与之前预训练模型有较大出入，还是不要用预训练模型。