Yolo_mark

支持 Windows 和 Linux 的图形界面，用于标注图像中对象的边界框，以训练 Yolo v3 和 v2 模型。

• 在 Windows 上编译，请在 MSVS2013/2015 中打开 yolo_mark.sln 文件，编译 x64 及 Release 版本，然后运行 x64/Release/yolo_mark.cmd。修改 yolo_mark.sln 中的路径以指向安装在您计算机上的 OpenCV 2.x/3.x：

  • （右键单击项目）-> 属性 -> C/C++ -> 一般 -> 额外包含目录：C:\opencv_3.0\opencv\build\include;

  • （右键单击项目）-> 属性 -> 链接器 -> 一般 -> 额外库目录：C:\opencv_3.0\opencv\build\x64\vc14\lib;

• 在 Linux 上编译，请在终端输入以下三个命令：

  cmake .
  make
  ./linux_mark.sh
  

支持 OpenCV 2.x 和 OpenCV 3.x。

---

1. 要进行测试，只需运行：

• Windows：x64/Release/yolo_mark.cmd
  • Linux：./linux_mark.sh

2. 使用该工具对自定义图像进行标注：

• 删除目录 x64/Release/data/img 中的所有文件。
• 将您的 .jpg 图像放入此目录 x64/Release/data/img。
• 修改文件 x64/Release/data/obj.data 中的对象类数（检测目标数量）：链接
• 在文件 x64/Release/data/obj.names 中，每行写一个对象名称：链接
• 运行文件：x64\Release\yolo_mark.cmd

3. 对于训练自定义对象，需要更改文件 x64/Release/yolo-obj.cfg 中的两行：

• 设置类别数（对象）：链接
• 设置 filter 值
  • Yolov2：(classes + 5)*5 链接
  • Yolov3：(classes + 5)*3

3.1 下载预先训练好的卷积层权重（76 MB）：http://pjreddie.com/media/files/darknet19_448.conv.23

3.2 将 yolo-obj.cfg，data/train.txt，data/obj.names，data/obj.data，darknet19_448.conv.23 文件以及 data/img 目录放置到可执行文件 darknet 同一目录下，开始训练：darknet detector train data/obj.data yolo-obj.cfg darknet19_448.conv.23

详细的说明见：https://github.com/AlexeyAB/darknet#如何训练检测自定义对象

---

如何从视频文件获取帧：

要从视频文件获取帧（例如每第 N 帧保存一次，N = 10），可以使用以下命令：

• Windows：yolo_mark.exe data/img cap_video test.mp4 10
• Linux：./yolo_mark x64/Release/data/img cap_video test.mp4 10

在此之前，应创建 data/img 目录。在 Windows 上，还需要将 opencv\build\bin 中的 opencv_ffmpeg340_64.dll 文件放在 yolo_mark.exe 文件附近。

结果，许多帧会收集在 data/img 目录中。然后您可以手动使用如下命令对它们进行标注：

• Windows：yolo_mark.exe data/img data/train.txt data/obj.names
• Linux：./yolo_mark x64/Release/data/img x64/Release/data/train.txt x64/Release/data/obj.names

---

内容包括：

• /x64/Release/

  • yolo_mark.cmd - 示例用法：yolo_mark.exe data/img data/train.txt data/obj.names
  • train_obj.cmd - 示例如何训练自己的对象（将其放置在 darknet.exe 同目录下）：darknet.exe detector train data/obj.data yolo-obj.cfg darknet19_448.conv.23
  • yolo-obj.cfg - 包含两个对象示例的 YoloV3 神经网络配置

• /x64/Release/data/

  • obj.names - 对象名称列表示例
  • obj.data - 训练 Yolo v3 的配置示例
  • train.txt - 用于训练 Yolo v3 的图像文件名列表示例

• /x64/Release/data/img/air4.txt - 包含航空器（class=0）在 air4.jpg 图像上的坐标示例

用户指南

鼠标操作

按钮	功能
左键	绘制边框
右键	移动边框

快捷键

快捷键	功能
→	下一幅图像
←	上一幅图像
r	删除选中的边框（鼠标悬停）
c	清除当前图像上所有标记
p	复制前一个标记
o	跟踪对象
ESC	关闭应用程序
n	每个图像仅一个对象
0-9	对象 ID
m	显示坐标
w	线宽
k	隐藏对象名称
h	查看帮助