YOLO算法训练模型检测太阳位置

另有一篇记录的是调用相机检测太阳位置
YOLOV3调用计算机摄像头或手机相机检测太阳位置

声明：本次使用yolov3训练自己的模型，检测的对象是每天都挂在头顶的太阳。首先提供一个模型训练的大体流程其中caffe和tensorflow是比较出名的架构，这里用的是darknet的架构。

环境：win10 GTX 1050 TI CUDA:10.2 VS2017
前言：要想训练自己的模型，首先要在自己的电脑上搭建好编译环境，并且加载官方提供的模型测试自己环境没问题之后才能进行模型训练。
可以参照这篇博客搭建环境，测试模型，只要按照步骤一般都能成功。
https://blog.csdn.net/StrongerL/article/details/81007766

1、在win10下编译并且运行官方的预训练模型（下面是大体步骤，具体步骤请参照上面的那篇博客）。

1.1安装VS（YOLOv3支持vs2012、2013、2015，其他版本需要下载工具集）
1.2安装cuda（版本 >= 7.5）
1.3安装CUDA对应的cuDNN（下载页会显示对应关系）
1.4下载opencv（OpenCV 2.x.x 或者 OpenCV <= 3.4.0）
1.5下载darknet并生成darknet.exe
生成的darknet项目

双击目录中的darknet_yolo_v3.cmd

出现上图表示编译成功，模型加载完成。左边的黑框是编译的过程和结果，他得到的是预测框的大小、高度、可信度和坐标值。

2、制作自己的数据集。

废话：要想训练自己的模型，就得先准备好自己的数据集，所以先来说说怎么标注数据集。标记图片（由于我要检测的目标是太阳因此标记的对象就是太阳，需要太阳的照片请进群自取：1128630114）

声明：网上有很多图片标注工具，这里使用的是Yolo_mark。从GitHub上下载的Yolo_mark-master是未编译的文件，