本文共 780 字，大约阅读时间需要 2 分钟。

VOC格式训练指南

1. 基本配置

本文采用VOC格式进行训练，所有操作需在VOCdevkit文件夹下的VOC2007文件夹中完成。

2. 准备训练数据

在训练前，请将标签文件放置在 VOC2007/Annotation 文件夹中。使用 test.py 脚本生成对应的.txt文件。

3. 配置训练参数

打开 voc_annotation.py 脚本，修改 classes 参数为你定义的类别。请注意：

• 不使用中文标签
• 文件夹内不得有空格

示例类别配置：

classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

4. 生成训练数据

运行上述脚本，会自动生成 2007_train.txt 文件。每行记录对应图片的路径及其真实框位置。

5. 创建分类文件

在 model_data 文件夹下新建一个.txt文件，文件内容为所需分类用逗号分隔。例如：

cat,dog

将该路径设置为 train.py 中的 classes_path 参数，示例设置：

classes_path = 'model_data/my_class.txt'

6. 开始训练

运行 train.py 脚本即可完成训练准备工作。训练完成后，可生成所需的训练数据集。

注意事项

• 运行前确保所有路径正确且不包含空格
• 不要使用中文标签
• 保持文件夹结构完整，避免多级目录
• 可根据实际需求修改训练参数

如有问题，请根据文档详细信息进行查阅和调整。