Darknet YOLOv3-tiny ubuntu配置，训练自己数据集（行人检测）及调参总结

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

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

一.介绍

由于项目需求，需在树莓派下进行行人检测。树莓派内存较小，计算能力不足。opencv自带的HOG+SVM算法精度不够，而基于回归的深度学习检测算法YOLO精度高，计算要求小。

考虑使用YOLOv3-tiny算法进行行人检测，本文主要包括Ubuntu下的YOLOv3配置，训练自己的行人数据集以及调参总结。

参考了很多博客，亲测实验，如果有误请及时指正。

二.ubuntu下配置

其在Ubuntu下配置基本按照官网提供的步骤即可。

下载源码及CPU下编译：

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

下载tiny权重文件及测试：

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

其权重文件和测试结果图片都在根目录下。

三.训练行人检测器

相信大家都能跑通官方权重，但其检测器是20个类别，在实际使用中并不需要全部类别，且类别多精度会下降。我们需要单独训练自己的检测器，比如人脸检测，路标检测等，我这里是做行人检测。

3.1标注数据集

我们采用PASCAL VOC格式的数据集，其标注格式较为复杂，幸好有前人写过自动生成的python程序，即labelImg工具，具体使用请转：https://github.com/tzutalin/labelImg

3.2生成训练集的标注文件

i>官网提供了原数据集：

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-20