yoloV2训练

yolov2:https://pjreddie.com/darknet/yolov2
下载darknet
git clone https://github.com/pjreddie/darknet
cd darknet
make

下载yolov2的参数文件.weights
wget https://pjreddie.com/media/files/yolov2.weights

测试对应的模型文件
./darknet detect cfg/yolov2.cfg yolov2.weights data/dog.jpg

通过某个数据集来测试对应模型文件
./darknet detector test cfg/coco.data cfg/yolov2.cfg yolov2.weights data/dog.jpg

自己训练一个基于voc数据集的yolo模型

准备数据：
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
...

下载别人标签好的文件（或者自己去标注）
wget https://pjreddie.com/media/files/voc_label.py

python voc_label.py 会生成几个txt文件，对应的数据文件

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

将那几个txt文件cat到一个train.txt文件中用于训练过程

修改voc.data,自己的类别有多少就对应修改相关参数及文件路径
为卷积层准备预训练参数文件
wget https://pjreddie.com/media/files/darknet19_448.conv.23

修改Makefile文件里的相关参数
训练模型：
./darknet detector train cfg/voc.data cfg/yolov2-voc.cfg darknet19_448.conv.23

模型训练完成后保存的文件在backup文件夹中
调用训练后的参数文件对模型进行测试：视频&图片

detect test:video&picture with my trainning weights file through the cfg file
./darknet detector demo cfg/voc.data cfg/yolov2-voc.cfg backup/yolov2-voc_final.weights test2.mp4

./darknet detect cfg/yolov2-voc.cfg backup/yolov2-voc_final.weights data/dog.jpg