YOLO v2 训练自己的图像数据

2017-10-23更新：YOLO运行环境，CUDA 8 + cuDNN5， 如果使用cuDNN6，编译都不通过。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

初次使用YOLO，记录一下。

0、源码下载，并修改

官网：https://pjreddie.com/darknet/yolo/

1、修改example/darknet.c文件的第424行，将“cfg/coco.data”改为“cfg/voc.data”，如下，

这一步如果不修改，最后执行darknet命令去检测的时候，得到的BoundingBox显示的类名会跟实际检测到的物体“风马牛不相及”。

2、如果已经安装有cuda和cudnn，先修改Makefile文件的第一行和第二行，0改为1，

执行make，得到的darknet执行文件支持cuda和cudnn。

下面开始进入正题

1、准备数据集

准备数据是最难的一步了，我们说的详细些。

最终目的，要得到两个文件：label.txt（标签文件？标注文件?）和train.txt（包含所有训练图片的绝对路径）。

有的文档会说到第三个文件valid.txt（验证文件？测试文件），因为我们只需训练，所以valid.txt我们不需要。

我用了两种方法来准备数据，本篇文章只说一种，第二种方法在此（链接）。

因为YOLO使用的是VOC数据集，所以我们仿照VOC2007数据集文件层级结构来进行。

1.1 建立VOC数据集文件层级结构

因为要用到YOLO自带的voc_label.py文件，其位于darknet/scripts目录下，强烈推荐读一下该文件。

功能一：把标注工具得到的xml文件转为label.txt；功能二