使用YOLOv3训练VOC模型

YOLO官网 https://pjreddie.com/darknet/yolo/

本篇博文主要是参照官网步骤进行VOC数据的训练,博主也是更改接触，如果有错误的地方，欢迎指正

操作环境: ubuntu

如果使用GPU需要安装cuda和cudnn，应为我这边环境已经装好了，所以并没有尝试安装

具体安装步骤可以参考一篇博客: https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html

1.下载编译darknet

git clone https://github.com/pjreddie/darknet
cd darknet
make

2.如需开启GPU，需要修改Makefile

GPU=1
CUDNN=1
//下面两个参数我搜索了一下资料，貌似不一定要改
OPENCV=1	//这个貌似是在线查看图片的情况才需要
NVCC=/usr/local/cuda-8.0/bin/nvcc  //这个如果在安装cudnn是配置好，直接用nvcc就可以也不需要配，测试方法，可以直接命令行输入 nvcc -V  看看命令是否可用，不可用再改为具体路径即可

修改完Makefile文件之后需要重新make：

make clean
make

3.(非必须)下载权重文件，并进行测试

wget https://pjreddie.com/media/files/yolov3.weights 
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 

4.训练VOC数据

4.1(非必须，如果已经有自己的数据，直接用自己的数据进行训练)训练官方VOC数据

一下操作均在darknet根目录下执行

1)下载VOC2007 VOC2012数据,并解压

        wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar
        wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar
        wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar
        tar xf VOCtrainval_11-May-2012.tar
        tar xf VOCtrainval_06-Nov-2007.tar
        tar xf VOCtest_06-Nov-2007.tar

此时，根目录下会多出一个VOCdevkit文件夹，里面有VOC2007和VOC2012的图像和标注数据

2)下载执行voc_label.py脚本

    wget https://pjreddie.com/media/files/voc_label.py
    python voc_label.py

此时，根目录下会多出2007_test.txt 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt五个文件

然后使用命令

cat 2007_train.txt 2007_val.txt 2012_*.txt > train.txt

得到train.txt，下一步配置文件中会使用到train.txt和2007_test.txt，我将他们移动到了data文件夹

3)修改cfg/voc.data文件

vim cfg/voc.data

classes= 20 //使用官方VOC数据时不需要改
train  = <path-to-voc>/train.txt //将<path-to-voc>改为你存放train.txt的路径，比如我就是data
valid  = <path-to-voc>2007_test.txt//将<path-to-voc>改为你存放2007_test.txt的路径，比如我就是data
names = data/voc.names //classes的具体名称
backup = backup //保存weights文件的目录,默认情况下1000以内，每100此保存一次，1000次以上每10000次保存一次

4)修改cfg/yolov3-voc.cfg文件

vim cfg/yolov3-voc.cfg

训练官方数据的话，只需要更改

batch=64
subdevisions=8

即可,batch越大，运算效率越高，但是用GPU的话，太大会报错CUDA: out of memory,那就适当改小一点

5)下载darknet53权重文件

wget https://pjreddie.com/media/files/darknet53.conv.74

6)开始训练

./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74

4.2使用自己的数据进行训练

数据来源用LabelImg标注

然后需要修改voc_label.py脚本,cfg/voc.data中的classes，cfg/voc.data中的filters、classes以及其他参数。 目前正在学习中，待填坑

参考

1. https://pjreddie.com/darknet/yolo/

2. https://blog.csdn.net/lilai619/article/details/79695109

3. https://blog.csdn.net/u012135425/article/details/80294884

4. https://blog.csdn.net/gojawee/article/details/77508809

5. https://pjreddie.com/media/files/papers/YOLOv3.pdf