1.生成所有图像序号id
运行/home/sq123/1classdata/pascal_voc/VOCdevkit/VOC2007/ImageSets/Main/train.py
2.生成所有图像的路径,运行三次可做三个种类的分类
运行/home/sq123/1classdata/generatetxtpath.py
3.将VOC的xml文件转换为tYOLO的txt文件
运行/home/sq123/1classdata/xmltotxt.py
4.确定分类种类、训练数据的路径、权重数据存放位置
修改/home/sq123/darknet/cfg/中的voc.data文件
5.修改分类的名称
修改/home/sq123/darknet/data/中的voc.names文件
6.修改训练参数的batch和subdivisions大小
修改/home/sq123/darknet/cfg中的yolov3.cfg文件
7.修改完所有的内容后,在darknet的目录下make clean 后然后make
8.训练模型
./darknet detector train cfg/voc.data cfg/yolov3.cfg darknet53.conv.74
9.测试单张图片
./darknet detector test cfg/voc.data cfg/yolov3.cfg backup/yolov3-voc_600.weights 000008.jpg
10.测试摄像头
./darknet detector demo cfg/voc.data cfg/yolov3.cfg backup/yolov3-voc_600.weights