windows平台下darknet训练自己的数据集

写完前面关于python接口的文章发现忘了写训练自己的数据集的文章了，这里补上，用的还是AlexeyAB版本的darknet。

第一步:首先就是用labelimg做标注，这一步是最费时间的，注意这里一张图片是可以同时标注多个物体的，只是要做好对照关系，我之前网上找了一些教程都只标注了一个物体，这里说明一下标注多个物体也是可以的。

第二步:构建训练时可以读取的文件夹目录格式，如下所示：

将xml文件放入Annotations文件夹，将图片放入JPEGImages文件夹，利用下面的代码1生成的mytrain_letter_train.txt文件就放在当前目录，代码1同时生成的表示坐标的txt文件放入labels文件夹，利用下面代码2将数据集分割为train、val、test、trainval四个文件。

# -*- coding: utf-8 -*-
"""
Created on Wed Nov 25 16:46:12 2020

@author: SS
"""

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
 
#源代码sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
sets=[('mytrain_letter', 'train')]  # 改成自己建立的myData
 
classes = ["B_A","B_B","B_C","B_D","B_E","B_F","B_G","blue_A","blue_B","blue_C","blue_D","blue_E","blue_F","blue_G"] # 改成自己的类别
 
def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)
 
def convert_annotation(year, image_id):
    in_file = open('E:/darknet/darknet-master/mytrain_letter/Annotations/%s.xml'%(image_id))  # 源代码VOCdevkit/VOC%s/Annotations/%s.xml
    out_file = open('E:/darknet/darknet-master/mytrain_letter/labels/%s.txt'%(image_id), 'w')  # 源代码VOCdevkit/VOC%s/labels/%s.txt
    tree=ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('wi