YOLO 配置，测试与训练

YOLO下载与安装

Linux系统中，一次运行下列命令即可安装

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

注意
若使GPU和opencv, 需要预先配置cuda ,cudnn和opencv, 然后将makefile文件中做出如下改变后，’ make ’

OPENCV=1
GPU=1
CUDNN=1

检测

首先下载与模型相对应的预训练模型
wget https://pjreddie.com/media/files/yolov3.weights
然后在darknet根目录下，运行如下命令
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
注意cfg文件夹下已经定义了许多网络模型，方便调用

训练

VOC数据库

• 下载voc
  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
• 生成label
  在script文件夹下运行
  wget https://pjreddie.com/media/files/voc_label.py python voc_label.py
  建立训练数据集

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

• 修改cfg/voc.data文件
  ` 1 classes= 20
  2 train = /train.txt
  3 valid = 2007_test.txt
  4 names = data/voc.names
  5 backup = backup
• 下载预训练的模型
  wget https://pjreddie.com/media/files/darknet53.conv.74
• 最终训练

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