在VOC上训练YOLO2

1、获取Pascal VOC Data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

2、生成VOC标签
现在我们需要生成Darknet使用的标签文件，要生成这些文件，我们将voc_label.py在Darknet的scripts/目录中运行脚本。

python voc_label.py

或者自己下载再运行

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

3、运行脚本后，在该目录下生成几个文件，表示运行成功。

2007_test.txt  
2007_train.txt  
2007_val.txt    
2012_train.txt 
2012_val.txt    

4、修改Pascal Data的Cfg
修改/darknet/cfg/voc.data配置文件来指向你自己的数据

 classes= 20
 train  = <path-to-voc>/train.txt
 valid  = <path-to-voc>2007_test.txt
 names = data/voc.names
 backup = /backup

注意：1、backup文件若是不存在需要自己手动创建一个。
5、下载预训练的权重

wget https://pjreddie.com/media/files/darknet19_448.conv.23

6、开始训练
注意：路径要对应（darknet19_448.conv.23）放在cfg同一级目录。

./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23

7、测试训练模型的效果

cd darknet
./darknet detector test cfg/voc.data cfg/yolo-voc.cfg 你的backup目录/my_final.weights data/测试图片.jpg -thresh 0.05 （可调整设置阈值）

其它数据集如在COCO上训练原理一样。
参考博客：https://pjreddie.com/darknet/yolo/