YOLO V2教程之训练自己的数据

1. yolo v2很多文件和v1不一样，而且迭代了很多个版，网上现有的V2教程里的src/yolo_kernels.cu已经没有了，这一步改动不用管

 

2. 教程：http://blog.csdn.net/hysteric314/article/details/54097845（记得修改完要重新make）

 

3.有关于测试阈值改动、中间参数可视化（不能直接用，因为中间参数格式变了）的教程：

http://blog.csdn.net/hrsstudy/article/details/65644517?utm_source=itdadao&utm_medium=referral

 

4. 为了让YOLO v2能像训练VOC数据集一样训练自己的数据集，需要对代码进行以下三个方面的修改： （我在svt数据集上做图像文本检测，是1类text）
一：修改分类的个数：在代码中，默认VOC数据集是20类，而我要改成1类。 
二：准备txt文档：VOC训练数据集中会自带几个txt文档，用来指明文件名或者路径地址，而如果你使用你自己的数据可能就需要自己生成这些文档。 
三：修改代码中路径信息，把代码中VOC训练数据集的路径改成自己训练数据集的路径

 

5. 把20类改成1类

1) cfg/voc.data文件中:

classes 改成1。

names=data/svt.names。

svt.names这一个文件要存在于darknet目录下的data文件夹里，创建一个svt.names，加上内容，当然名字和路径都可以自己定义。这个文件中的行数要和类数一致，每一行都是一个类别的名字。比如我的这一文件中就只有一行数据：“text”。这个文件在测试你训练的model的时候会用到，系统会在图片上画出bounding box，bounding box上面的文字，也就是这个框中物体的名字，应该就来自这个文件。

 

2)